申请/专利权人：东南大学

申请日：2022-06-15

公开（公告）日：2022-08-12

公开（公告）号：CN114897704A

主分类号：G06T3/40

分类号：G06T3/40;G06V10/44;G06V10/774;G06V10/80;G06V10/82;G06N3/08;G06N3/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.08.30#实质审查的生效;2022.08.12#公开

摘要：本发明公开了一种基于反馈机制的单图像超分辨率算法，包含以下步骤：1获取DIV2K数据集作为训练神经网络的训练集，并使用双三次下采样获取图像对；2利用反馈机制，构建单图像超分辨率生成网络模型；3将所述图像对输入至所述单图像超分辨率生成网络模型中，使用Charbonnier损失作为损失函数，通过Adam反向传播算法优化模型参数，得到训练好的超分网络模型。本发明采用反馈机制充分获取前后层的特征，利用后层的特征不断加强浅层特征，进一步减少了网络的参数量和占用内存；通过使用坐标注意力对前后层的特征进行注意力分配，优化前后层的特征；另外，通过使用密集连接感受野模块，提升了特征的感受野大小。

主权项：1.一种基于反馈机制的单图像超分辨率算法，其特征在于：包含以下步骤：1获取DIV2K数据集作为训练神经网络的训练集，并使用双三次下采样获取图像对；2利用反馈机制，构建单图像超分辨率生成网络模型；3将所述图像对输入至所述单图像超分辨率生成网络模型中，使用Charbonnier损失作为损失函数，通过Adam反向传播算法优化模型参数，得到训练好的超分网络模型。

全文数据：

权利要求：

百度查询： 东南大学 一种基于反馈机制的单图像超分辨率算法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD