龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：上海大学
申请日：2021-11-02
公开（公告）日：2024-05-17
公开（公告）号：CN114359419B
主分类号：G06T9/00
分类号：G06T9/00;G06T5/50;G06T5/60;G06N3/0464;G06N3/045;G06N3/048;G06N3/08
优先权：
专利状态码：有效-授权
法律状态：2024.05.17#授权;2022.07.08#实质审查的生效;2022.04.15#公开
摘要：本发明公开了一种基于注意力机制的图像压缩感知重建方法。本方法应用多个注意力模块，提出一个基于压缩感知算法的卷积注意力网络AM‑CSNet；每个注意力模块AM包含通道注意力以及空间注意力机制；多个注意力模块之间通过残差连接和全局特征融合输出重建图像。本发明具有如下优点：在每一个AM中，通道注意力和空间注意力机制自适应分配特征权重，显著提高了图像重建质量；全局特征融合和残差连接保留了不同层次的特征信息，使不同模块提取的特征信息得到充分利用，而且减少了重建高质量图像所需的网络层数。
主权项：1.一种基于注意力机制的图像压缩感知重建方法，其特征在于，应用至少两个注意力模块，利用基于注意力机制的图像压缩感知重建网络AM-CSNet，网络使用反卷积完成初始重建，在深度重建网络中通过注意力模块自适应分配特征权重；注意力模块之间通过残差的方式进行连接，每个注意力模块AM由通道注意力和空间注意力两部分组成，最后将AM提取的特征信息通过全局特征融合得到深度重建的图像，具体操作步骤如下：步骤1：输入一张自然图像，经过卷积压缩感知测量后得到图像的压缩测量值；步骤2：将得到的压缩测量值y通过反卷积实现初步重建，得到初始重建图像；步骤3：将初始重建图像作为输入，在注意力模块AM内进行卷积、ReLU、卷积后得到特征图；将获得的特征图通过通道注意力CA和空间注意力SA自适应学习特征权重；步骤4：将获得的特征图与通道注意力CA和空间注意力SA求得的特征权重相乘，得到重新分配权重后的特征图；步骤5：将AM的输入特征图与输出特征图跳跃连接并求和，此操作称为残差学习；步骤6：重复步骤3、4、5的操作，使用Concat融合层和卷积层将多个AM模块的输出特征结合起来，该过程称为全局特征融合；全局特征融合后得到最终的输出图像。
全文数据：
权利要求：
百度查询： 上海大学 一种基于注意力机制的图像压缩感知重建方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号