申请/专利权人：成都货安计量技术中心有限公司

申请日：2023-12-29

公开（公告）日：2024-04-12

公开（公告）号：CN117495741B

主分类号：G06T5/80

分类号：G06T5/80;G06V10/77;G06V10/82;G06V10/774;G06N3/0464;G06N3/08;G06T5/60

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.02.23#实质审查的生效;2024.02.02#公开

摘要：本发明公开了一种基于大卷积对比学习的畸变还原方法，涉及图像处理技术领域，方法包括步骤：获取初始图像数据，进行图像数据扩充，再对所有图像数据设置成统一的规格大小m*m；构建大卷积对比学习模型，该模型包括大卷积对比学习模块、位置编码模块；将训练数据照片图像分为两组，分别输入到构建的大卷积对比学习模型中进行交替训练迭代；将待测的畸变图像输入到训练后的大卷积对比学习模型中，通过映射层重新计算图像畸变位置的像素值实现畸变还原。本发明基于神经网络的思想，将多个卷积和全连接层结合，参照自身像素值和周围信息，进行畸变和正常图像的对比学习，最终能准确恢复畸变的图像。

主权项：1.一种基于大卷积对比学习的畸变还原方法，其特征在于，包括步骤：S1：获取初始图像数据，进行图像数据扩充，再对所有图像数据设置成统一的规格大小m*m；S2：构建大卷积对比学习模型，该模型包括大卷积对比学习模块、位置编码模块；S3：将训练数据照片图像分为两组，分别输入到构建的大卷积对比学习模型中进行交替训练迭代；S4：将待测的畸变图像输入到训练后的大卷积对比学习模型中，通过映射层重新计算图像畸变位置的像素值实现畸变还原；所述的大卷积对比学习模块由多个数量可调的卷积层构成，所述卷积层的卷积核大小为（m-1）*（m-1），且多个数量可调的卷积层共用卷积参数；所述的位置编码模块首先将整个输入的图片区域展开，形成一个一维向量，索引i从0开始，再对所述一维向量进行位置编码得到图像位置编码PosO，采用的位置编码公式如下： 其中，pos表示对象在输入序列中的位置，0=pos=L-1，PEpos,2i表示偶数个像素点位置编码，PEpos,2i+1表示奇数个像素点位置编码；dmodel表示输出嵌入空间的维度；i用于映射到列索引，0=id2，单个值i映射到正弦和余弦函数；所述的大卷积对比学习模型还包括合并计算模块，通过将每一个畸变图片的原始像素值OIx,y、位置编码PosO和卷积结果相加得到合并输出图片像素值NIx,y，表示为： 其中，*代表卷积运算，K为卷积层；合并计算模块采用ELU激活函数输出合并结果；所述的大卷积对比学习模型还包括5层公共梯度的全连接层和单节点输出层，所述全连接层的每层分别连接2000个神经元，所述单节点输出层采用Sigmoid非线性激活函数。

全文数据：

权利要求：

百度查询： 成都货安计量技术中心有限公司 一种基于大卷积对比学习的畸变还原方法

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