-
公开(公告)号：CN111199522A
公开(公告)日：2020-05-26
申请号：CN201911349604.6
申请日：2019-12-24
Applicant: 重庆邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于多尺度残差生成对抗网络的单图像盲去运动模糊方法。包括如下步骤：获取GoPRo成对数据集将其连接成形为模糊——清晰形式的图像对；将训练图像随机裁剪成256×256大小的图像补丁；将标准化后的图像作为模型训练输入数据；设计卷积神经网络，输出去模糊之后的图像；计算模型的输出信息与对应标签清晰图像的峰值信噪比和结构相似性以及损失优化；利用优化后的模型参数，对现实中的具有运动模糊场景的图片进行去模糊得到相应的清晰图片。本发明基于卷积神经网络，采用条件生成对抗网络作为骨干网络并采用了细粒度残差模块作为主体模块，实现了对图像去模糊问题转变为图像翻译问题并加以解决的突破，为图像去模糊的后续操作提供了重要的技术支持。
-
公开(公告)号：CN111210435B
公开(公告)日：2022-10-18
申请号：CN201911349605.0
申请日：2019-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于局部和全局特征增强模块的图像语义分割方法，包括选取并制作语义分割任务所需的训练集图像和验证集图像，以及相应的标签图片。对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行标准化，对应的标签图像进行编码，设计卷积神经网络中，处理后数据作为模型的输入数据，输出多通道特征图，优化卷积神经网络参数，输入真实场景图像到参数优化后的卷积神经网络中进行语义分割，输出像素被标记后的图像。本发明为场景解析和强化学习等研究中的后续操作提供了重要的技术支持，可应用于虚拟现实，自动驾驶和人机交互等领域。
-
公开(公告)号：CN111210435A
公开(公告)日：2020-05-29
申请号：CN201911349605.0
申请日：2019-12-24
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于局部和全局特征增强模块的图像语义分割方法，包括选取并制作语义分割任务所需的训练集图像和验证集图像，以及相应的标签图片。对训练集图像进行数据增强，分别对训练集图像和验证集图像中的样本图像进行标准化，对应的标签图像进行编码，设计卷积神经网络中，处理后数据作为模型的输入数据，输出多通道特征图，优化卷积神经网络参数，输入真实场景图像到参数优化后的卷积神经网络中进行语义分割，输出像素被标记后的图像。本发明为场景解析和强化学习等研究中的后续操作提供了重要的技术支持，可应用于虚拟现实，自动驾驶和人机交互等领域。
-
-
Search Results
3
records
(took 0.021 seconds)
