申请/专利权人:河南大学
申请日:2024-01-04
公开(公告)日:2024-04-02
公开(公告)号:CN117808907A
主分类号:G06T9/00
分类号:G06T9/00;G06N3/0455;G06N3/0464;G06N3/08
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:本发明公开一种基于混合Transformer与CNN的图像压缩感知重建方法及系统,根据采样率构建混合Transformer与CNN的图像压缩感知重建模型,包括采样子网,初始重建子网和深度重建子网;所述采样子网用于对图像进行特征提取,得到测量值;所述初始重建子网用于从测量值到原始信号的初始重建;所述深度重建子网用于基于初始重建后图像进行深度重建;根据设置的网络损失函数及训练数据对构建的图像压缩感知重建模型进行训练;基于训练好的图像压缩感知重建模型进行图像压缩感知重建。本发明弥补了基于窗口的视觉Transformer在提取局部特征方面的不足,还弥补了其受限于窗口大小的问题,有效的提取全局信息。
主权项:1.一种基于混合Transformer与CNN的图像压缩感知重建方法,其特征在于,包括:根据采样率构建混合Transformer与CNN的图像压缩感知重建模型,所述图像压缩感知重建模型包括采样子网,初始重建子网和深度重建子网;所述采样子网用于对图像进行特征提取,得到测量值;所述初始重建子网用于从测量值到原始信号的初始重建;所述深度重建子网用于基于初始重建后图像进行深度重建;根据设置的网络损失函数及训练数据对构建的图像压缩感知重建模型进行训练;基于训练好的图像压缩感知重建模型进行图像压缩感知重建。
全文数据:
权利要求:
百度查询: 河南大学 一种基于混合Transformer与CNN的图像压缩感知重建方法及系统
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。