【发明公布】一种基于反馈机制的单图像超分辨率算法_东南大学_202210678755.1 

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-公开

法律状态: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。