-
公开(公告)号：CN113409191B
公开(公告)日：2023-04-07
申请号：CN202110615890.7
申请日：2021-06-02
Applicant: 广东工业大学
IPC: G06T3/40 , G06T5/00 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/082
Abstract: 本发明提出一种基于注意力反馈机制的轻量级图像超分方法及系统，包括：将低分辨率图像输入浅层特征提取网络中获取浅层特征信息，将浅层特征信息输入深层特征提取网络中得到深度特征信息；将深度特征信息输入重建网络中重建超分辨率图像，经上采样得到高分辨率特征图，再将高分辨率特征图与低分辨率图像进行双三次上采样后智能相加，得到超分辨率图像；根据超分辨率图像与原始高分辨率图像计算损失函数并对超分辨率模型训练；将深度特征信息输入下一个深层特征提取网络中提取深度特征信息，并重复上述步骤至完成最后一个深层特征提取网络的深度特征信息提取，将提取的深度特征信息输入重建网络中进行超分辨率图像重建，输出得到超分辨率图像SR。
-
Patent Agency Ranking
公开(公告)号：CN114463174B
公开(公告)日：2025-03-04
申请号：CN202210051569.5
申请日：2022-01-17
Applicant: 广东工业大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供基于元学习与结构保持的任意尺度图像超分辨率的方法，包括：构建并训练超分辨率网络模型，对获取的高分辨率图像数据进行预处理，得到低分辨率图片数据；对低分辨率图片数据进行处理，得到梯度图数据；对低分辨率图片进行特征提取、上采样，得到超分辨率分支网络上采样图片，对梯度图进行特征提取、上采样，得到梯度图分支网络上采样图片；超分辨率分支网络上采样图片与梯度图分支网络上采样图片输入混合模块中进行加权运算，重建得到超分辨率图像；设置损失函数，对超分辨率网络模型进行迭代训练直至模型收敛，得到训练好的任意尺度超分辨率网络模型；本发明超分辨率网络模型可以在任意尺度下生成视觉效果良好的超分辨率SR图像。
-
公开(公告)号：CN114463174A
公开(公告)日：2022-05-10
申请号：CN202210051569.5
申请日：2022-01-17
Applicant: 广东工业大学
Abstract: 本发明提供基于元学习与结构保持的任意尺度图像超分辨率的方法，包括：构建并训练超分辨率网络模型，对获取的高分辨率图像数据进行预处理，得到低分辨率图片数据；对低分辨率图片数据进行处理，得到梯度图数据；对低分辨率图片进行特征提取、上采样，得到超分辨率分支网络上采样图片，对梯度图进行特征提取、上采样，得到梯度图分支网络上采样图片；超分辨率分支网络上采样图片与梯度图分支网络上采样图片输入混合模块中进行加权运算，重建得到超分辨率图像；设置损失函数，对超分辨率网络模型进行迭代训练直至模型收敛，得到训练好的任意尺度超分辨率网络模型；本发明超分辨率网络模型可以在任意尺度下生成视觉效果良好的超分辨率SR图像。
-
公开(公告)号：CN113409190A
公开(公告)日：2021-09-17
申请号：CN202110528164.1
申请日：2021-05-14
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多帧分组与反馈网络的视频超分辨率方法，包括：构建初始超分辨率网络模型，获取训练视频数据集；确定需超分的目标帧，对其进行上采样，获得初步超分视频帧；将训练视频数据包含的视频帧序列分组；提取分组的视频帧序列的特征图，并对其进行对齐、融合操作，获得LR特征图；对LR特征图进行逐步反馈超分，获得超分特征图序列；对超分特征图序列进行重建，获得重建超分残差信息序列，并与初步超分视频帧相加，获得目标帧的最终超分视频帧序列；设置损失函数，对初始超分辨率网络模型进行训练，获得训练好的超分辨率网络模型；本发明提高了视频超分辨率效果，重建出的视频帧细节保持效果明显提高。
-
公开(公告)号：CN113409190B
公开(公告)日：2022-05-20
申请号：CN202110528164.1
申请日：2021-05-14
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多帧分组与反馈网络的视频超分辨率方法，包括：构建初始超分辨率网络模型，获取训练视频数据集；确定需超分的目标帧，对其进行上采样，获得初步超分视频帧；将训练视频数据包含的视频帧序列分组；提取分组的视频帧序列的特征图，并对其进行对齐、融合操作，获得LR特征图；对LR特征图进行逐步反馈超分，获得超分特征图序列；对超分特征图序列进行重建，获得重建超分残差信息序列，并与初步超分视频帧相加，获得目标帧的最终超分视频帧序列；设置损失函数，对初始超分辨率网络模型进行训练，获得训练好的超分辨率网络模型；本发明提高了视频超分辨率效果，重建出的视频帧细节保持效果明显提高。
-
公开(公告)号：CN113409191A
公开(公告)日：2021-09-17
申请号：CN202110615890.7
申请日：2021-06-02
Applicant: 广东工业大学
Abstract: 本发明提出一种基于注意力反馈机制的轻量级图像超分方法及系统，包括：将低分辨率图像输入浅层特征提取网络中获取浅层特征信息，将浅层特征信息输入深层特征提取网络中得到深度特征信息；将深度特征信息输入重建网络中重建超分辨率图像，经上采样得到高分辨率特征图，再将高分辨率特征图与低分辨率图像进行双三次上采样后智能相加，得到超分辨率图像；根据超分辨率图像与原始高分辨率图像计算损失函数并对超分辨率模型训练；将深度特征信息输入下一个深层特征提取网络中提取深度特征信息，并重复上述步骤至完成最后一个深层特征提取网络的深度特征信息提取，将提取的深度特征信息输入重建网络中进行超分辨率图像重建，输出得到超分辨率图像SR。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
