公开(公告)号：CN110852972A

公开(公告)日：2020-02-28

申请号：CN201911095524.2

申请日：2019-11-11

Applicant: 苏州科技大学

Inventor： 胡伏原 ,  叶子寒 ,  李林燕 ,  孙钰 ,  温尧乐

IPC: G06T5/00

Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。

公开(公告)号：CN110852972B

公开(公告)日：2022-10-18

申请号：CN201911095524.2

申请日：2019-11-11

Applicant: 苏州科技大学

Inventor： 胡伏原 ,  叶子寒 ,  李林燕 ,  孙钰 ,  温尧乐

IPC: G06T5/00

Abstract: 本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。

公开(公告)号：CN109033095B

公开(公告)日：2022-10-18

申请号：CN201810866277.0

申请日：2018-08-01

Applicant: 苏州科技大学

Inventor： 胡伏原 ,  叶子寒 ,  李林燕 ,  孙钰 ,  付保川

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于注意力机制的目标变换方法，包括：训练神经网络模型：步骤1，使用随机数初始化神经网络模型的参数；步骤2，输入一张属于类别X的图像x到模型的生成器G中，进入编码阶段，x经过一个卷积层来计算出第一层特征图f1。利用上述训练得到的神经网络模型进行图像的目标变换，通过在模型中引入注意力机制，使模型能够在目标变化任务中识别出需要转换的目标物体，从而将目标和背景区分开。同时，通过构建注意力一致损失函数和背景一致损失函数来保证原始图像和转换图像的背景一致性。

公开(公告)号：CN109033095A

公开(公告)日：2018-12-18

申请号：CN201810866277.0

申请日：2018-08-01

Applicant: 苏州科技大学

Inventor： 胡伏原 ,  叶子寒 ,  李林燕 ,  孙钰 ,  付保川

IPC: G06F17/28 ,  G06K9/20 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06F17/289 ,  G06K9/20 ,  G06N3/0454 ,  G06N3/0481 ,  G06N3/084

Abstract: 本发明涉及一种基于注意力机制的目标变换方法，包括：训练神经网络模型：步骤1，使用随机数初始化神经网络模型的参数；步骤2，输入一张属于类别X的图像x到模型的生成器G中，进入编码阶段，x经过一个卷积层来计算出第一层特征图f1。利用上述训练得到的神经网络模型进行图像的目标变换，通过在模型中引入注意力机制，使模型能够在目标变化任务中识别出需要转换的目标物体，从而将目标和背景区分开。同时，通过构建注意力一致损失函数和背景一致损失函数来保证原始图像和转换图像的背景一致性。