申请/专利权人：清华大学

申请日：2021-11-12

公开（公告）日：2024-04-23

公开（公告）号：CN114240764B

主分类号：G06T5/73

分类号：G06T5/73;G06N3/0464;G06N3/098

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本申请提出了一种去模糊卷积神经网络训练方法、装置、设备及存储介质，其中，方法包括：获取模糊图像训练集，模糊图像训练集包括局部模糊训练集和全局模糊训练集；构建初始去模糊卷积神经网络，包括模糊区域感知网络和去模糊网络；其中去模糊网络包括模糊区域感知注意力模块和去模糊模块；将局部模糊训练集分别对模糊区域感知网络和模糊区域感知注意力模块进行训练，并将模糊图像训练集输入至去模糊模块进行训练，得到中间去模糊卷积神经网络；将局部模糊训练集和全局模糊训练集交替输入中间去模糊卷积神经网络，进行联合训练，得到最终的去模糊卷积神经网络。该方法使去模糊卷积神经网络更满足实际应用场景，提高去模糊效果。

主权项：1.一种去模糊卷积神经网络训练方法，其特征在于，包括：获取模糊图像训练集，所述模糊图像训练集包括局部模糊训练集和全局模糊训练集；其中，所述局部模糊训练集中的模糊图像由背景图像和以预设方式运动的前景图像块计算获得；所述局部模糊训练集包括多张所述模糊图像，每张所述模糊图像通过以下方式获得：从去模糊数据集中获取一张清晰图像作为背景图像，从语义分割数据集中获取至少一张图像，并提取每张所述图像之中的所有前景图像块，获取一个长度为n的运动序列，n为大于等于3的奇数，将所述至少一张图像中的所有前景图像块同时在所述背景图像上根据所述运动序列进行运动，根据所述运动序列，将所述至少一张图像中的所有前景图像块在所述背景图像上每运动一次得到一张组合图像，所述组合图像包括所述至少一张图像中的所有前景图像块和所述背景图像，所述运动序列完成后，将多张所述组合图像作为连续帧的运动图像，将所述连续帧的运动图像求平均得到所述模糊图像；构建初始去模糊卷积神经网络，包括模糊区域感知网络和去模糊网络；其中去模糊网络包括模糊区域感知注意力模块和去模糊模块，其中，所述初始去模糊卷积神经网络中所述模糊区域感知注意力模块的数量为i个，i为大于等于1的整数；将所述局部模糊训练集输入所述模糊区域感知网络，输出模糊区域预测结果，根据所述模糊区域预测结果和第一损失函数对所述模糊区域感知网络进行训练；将所述模糊图像训练集输入所述去模糊模块，输出去模糊结果，根据所述去模糊结果和第二损失函数对所述去模糊模块进行训练；将所述局部模糊训练集输入所述模糊区域感知注意力模块，输出注意力结果，根据所述注意力结果和第三损失函数对所述模糊区域感知注意力模块进行训练，其中，所述第三损失函数的计算公式如下： ， 其中为第三损失函数，为第i个模糊区域感知注意力模块的注意力输出结果，为局部模糊训练集中的模糊图像生成的模糊区域标注信息；根据训练后的模糊区域感知网络、去模糊模块和模糊区域感知注意力模块，构建中间去模糊卷积神经网络；将所述局部模糊训练集和所述全局模糊训练集交替输入所述中间去模糊卷积神经网络，输出预测结果，根据所述预测结果和第四损失函数进行联合训练，得到最终的去模糊卷积神经网络，其中，在所述局部模糊训练集输入至中间去模糊卷积神经网络时，所述中间去模糊卷积神经网络包括所述训练后的模糊区域感知网络和所述训练后的去模糊网络；在所述全局模糊训练集输入至所述中间去模糊卷积神经网络时，所述中间去模糊卷积神经网络只包括所述训练后的去模糊模块。

全文数据：

权利要求：

百度查询： 清华大学 去模糊卷积神经网络训练方法、装置、设备及存储介质

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