申请/专利权人：上海海洋大学

申请日：2023-12-29

公开（公告）日：2024-04-02

公开（公告）号：CN117809166A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/82;G06N3/084;G06N3/09;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于强化学习调整的层次概率水下图像增强模型构建方法，其包括：构建HPUIE模型，对其进行监督预训练；利用强化学习对HPUIE模型进行微调；在HPUIE模块中，提出了概率模块命名为特征到风格分布块FTSD，并将其整合到UNet网络的各层，在每一层特征上生成与水下图像风格相关的参数分布。通过利用分层潜在空间操作，可以在多尺度上对生成增强图像的不确定性进行建模，并有效地捕获各层输出之间复杂的相互依赖关系。基于强化学习的微调框架的设计，以改善HPUIE模型，提高其性能和泛化能力。使用预训练的HPUIE模型作为样本图像生成器和质量度量的组合作为奖励函数，该RL调整框架允许对来自不同环境和具有各种质量失真的水下图像进行无监督优化。

主权项：1.一种基于强化学习调整的层次概率水下图像增强模型构建方法，其特征在于包括：构建HPUIE模型，对其进行监督预训练；利用强化学习对HPUIE模型进行微调；其中：HPUIE模型包括先验编码器、确定性解码器以及FTSD模块；所述先验编码器用于从输入图像中提取多尺度的特征图；各尺度的特征图依次经过FTSD模块、1×1卷积层的处理作为PAdaIN模块的风格先验概率分布输入，各尺度的特征图作为PAdaIN模块的输入特征；PAdaIN模块的输出作为潜在特征输入到解码器中，解码器使用潜变量作为输入来重建图像对HPUIE模型进行微调过程包括多轮迭代；每轮迭代过程中，将图像样本输入HPUIE模型，从HPUIE模型中得到结果图像得到结果图像后计算反馈奖励数值，用于获取FTSD模块的更新梯度，最终得到优化结果图像然后奖励数值用于计算强化学习目标中的r，以此对HPUIE模型中的FTSD模块进行微调。

全文数据：

权利要求：

百度查询： 上海海洋大学 基于强化学习调整的层次概率水下图像增强模型构建方法

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