申请/专利权人:珠海大横琴科技发展有限公司
申请日:2019-12-27
公开(公告)日:2020-07-24
公开(公告)号:CN111445388A
主分类号:G06T3/40(20060101)
分类号:G06T3/40(20060101);G06T7/20(20170101);G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2021.10.29#发明专利申请公布后的驳回;2020.08.18#实质审查的生效;2020.07.24#公开
摘要:本发明公开了一种图像超分辨重建模型训练方法、船只跟踪方法及装置,该图像超分辨重建模型训练方法包括:获取船只图像训练样本,船只图像训练样本为高分辨率训练样本;根据高分辨率训练样本得到低分辨率训练样本;根据低分辨率稀疏表达算法将低分辨率训练样本进行稀疏表达分解,得到低分辨率稀疏训练样本;将低分辨率稀疏表达算法映射到高分辨率上,得到高分辨率稀疏表达算法;根据高分辨率稀疏表达算法将高分辨率训练样本进行稀疏表达分解,得到高分辨率稀疏训练样本;根据低分辨率稀疏训练样本和高分辨率稀疏训练样本对稀疏域深度学习网络模型进行训练,得到图像超分辨重建模型。通过实施本发明,实现高分辨率图像重建精度的提升。
主权项:1.一种图像超分辨重建模型训练方法,应用于船只图像识别,其特征在于,包括:获取船只图像训练样本,所述船只图像训练样本为高分辨率训练样本;根据所述高分辨率训练样本得到低分辨率训练样本;根据低分辨率稀疏表达算法将所述低分辨率训练样本进行稀疏表达分解,得到低分辨率稀疏训练样本;将所述低分辨率稀疏表达算法映射到所述高分辨率上,得到高分辨率稀疏表达算法;根据所述高分辨率稀疏表达算法将所述高分辨率训练样本进行稀疏表达分解,得到高分辨率稀疏训练样本;根据所述低分辨率稀疏训练样本和高分辨率稀疏训练样本对稀疏域深度学习网络模型进行训练,得到图像超分辨重建模型。
全文数据:
权利要求:
百度查询: 珠海大横琴科技发展有限公司 一种图像超分辨重建模型训练方法、船只跟踪方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。