公开(公告)号：CN112598581B

公开(公告)日：2023-10-24

申请号：CN202011606834.9

申请日：2020-12-30

Applicant: 中国科学院信息工程研究所

Inventor： 刘凯 ,  刘冠群 ,  王雷 ,  王鑫 ,  刘泽艺 ,  郭晓博 ,  何原野

IPC: G06T3/40 ,  G06N3/0464

Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。

公开(公告)号：CN112598581A

公开(公告)日：2021-04-02

申请号：CN202011606834.9

申请日：2020-12-30

Applicant: 中国科学院信息工程研究所

Inventor： 刘凯 ,  刘冠群 ,  王雷 ,  王鑫 ,  刘泽艺 ,  郭晓博 ,  何原野

IPC: G06T3/40 ,  G06N3/04

Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。