-
公开(公告)号：CN113450267B
公开(公告)日：2022-08-19
申请号：CN202110529381.2
申请日：2021-05-14
Applicant: 桂林电子科技大学
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，尤其涉及一种可快速获取多种自然退化图像复原模型的迁移学习方法；包括如下步骤：人工合成自然退化图像通用数据集；利用自然退化图像通用数据集对深度卷积神经网络进行预训练，得到通用复原模型；采用针对特定退化现象的数据集对通用复原模型进行迁移学习，对其部分卷积层参数进行微调训练，得到特定自然退化现象的复原模型。从而可以通过重用一种预训练的通用自然退化图像复原模型，进行迁移学习，快速得到多种针对特定自然退化现象的复原模型。该方法不仅加快了训练特定复原模型的速度，节省了训练时间，减小了对大量退化数据的依赖，还能让复原模型更加鲁棒，复原效果更加稳定。
-
公开(公告)号：CN113450267A
公开(公告)日：2021-09-28
申请号：CN202110529381.2
申请日：2021-05-14
Applicant: 桂林电子科技大学
Abstract: 本发明涉及基于深度学习的计算机视觉技术领域，尤其涉及一种可快速获取多种自然退化图像复原模型的迁移学习方法；包括如下步骤：人工合成自然退化图像通用数据集；利用自然退化图像通用数据集对深度卷积神经网络进行预训练，得到通用复原模型；采用针对特定退化现象的数据集对通用复原模型进行迁移学习，对其部分卷积层参数进行微调训练，得到特定自然退化现象的复原模型。从而可以通过重用一种预训练的通用自然退化图像复原模型，进行迁移学习，快速得到多种针对特定自然退化现象的复原模型。该方法不仅加快了训练特定复原模型的速度，节省了训练时间，减小了对大量退化数据的依赖，还能让复原模型更加鲁棒，复原效果更加稳定。
-
公开(公告)号：CN113012037B
公开(公告)日：2022-08-05
申请号：CN202110263407.3
申请日：2021-03-11
Applicant: 桂林电子科技大学
IPC: G06T3/00 , G06K9/62 , G06N20/00 , G06V10/774
Abstract: 本发明公开了一种用于水下图像复原的深度学习训练数据集合成方法，获取现有的RGBD数据集，并基于水下图像参数估计算法计算出真实水下场景对应的RGB颜色数值集合；基于柏林噪声生成不均匀的单通道背景光集合，并利用改进的水下光学模型生成多个数据对应的合成水下图像，其中，多个所述数据为在所述RGBD数据集、所述RGB颜色数值集合和所述单通道背景光集合中随机抽取的数据，考虑了由人工光源和水下自然环境渐变造成的不均匀背景光现象。并改变了随机生成背景光颜色的方法，采用在真实图像上获取的数值，让合成的图像更加逼真，颜色更加自然，提高了图像合成效果。
-
公开(公告)号：CN113012037A
公开(公告)日：2021-06-22
申请号：CN202110263407.3
申请日：2021-03-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于水下图像复原的深度学习训练数据集合成方法，获取现有的RGBD数据集，并基于水下图像参数估计算法计算出真实水下场景对应的RGB颜色数值集合；基于柏林噪声生成不均匀的单通道背景光集合，并利用改进的水下光学模型生成多个数据对应的合成水下图像，其中，多个所述数据为在所述RGBD数据集、所述RGB颜色数值集合和所述单通道背景光集合中随机抽取的数据，考虑了由人工光源和水下自然环境渐变造成的不均匀背景光现象。并改变了随机生成背景光颜色的方法，采用在真实图像上获取的数值，让合成的图像更加逼真，颜色更加自然，提高了图像合成效果。
-
-
-
Search Results
4
records
(took 0.018 seconds)
