-
公开(公告)号：CN117392020B
公开(公告)日：2025-03-04
申请号：CN202311466352.1
申请日：2023-11-07
Applicant: 西南大学
IPC: G06T5/77 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及图像修复技术领域，具体公开了一种基于类脑视觉Transformer的图像修复方法及ADAS边缘设备，创建了一种U型结构的图像修复网络(LSFormer)，在该网络中，提出了线性稀疏Transformer块(LSTB)，在LSTB中设计了聚焦线性稀疏注意力块(FLSA)降低计算复杂性，有助于减轻与Softmax相关的异常值问题；在FLSA中还设计了多尺度前馈网络(MSFF)，以通过使用不同深度卷积核大小来增强局部表示；在LSFormer还提出了小波注意力块(WAB)，来改进输出图像。此外，本发明提供了基于忆阻器类脑计算系统的硬件实施方案，用于智能车辆中应用ADAS。本发明还评估了提出的网络在多个数据集上的性能，包括低照度增强、图像去雨和图像去雾等任务，结果表明，LSFormer在这三个任务中均优于最先进的网络。
-
公开(公告)号：CN118537249A
公开(公告)日：2024-08-23
申请号：CN202410652803.9
申请日：2024-05-24
Applicant: 西南大学
IPC: G06T5/70 , G06T5/77 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双域交互Transformer的增强条件扩散模型的图像复原方法，该方法包括：进行扩散训练，即对干净图像x0进行正向加噪和反向去噪处理，并在反向去噪过程中使用退化图像#imgabs0#作为条件进行引导；进行增强训练，即将高斯噪声#imgabs1#利用噪声估计网络进行去噪，最终得到干净图像#imgabs2#并重新设计目标函数，进一步优化参数θ；利用训练好的噪声估计网络，将待复原的退化图像进行图像复原。本发明的方法能够显著提高图像复原性能。
-
公开(公告)号：CN117422624A
公开(公告)日：2024-01-19
申请号：CN202311448794.3
申请日：2023-11-02
Applicant: 西南大学
IPC: G06T5/00 , G06N3/0464 , G06N3/09 , G06T5/60
Abstract: 本发明涉及图像复原技术领域，具体公开了一种基于离散小波变换的图像复原方法和设备，设计了图像复原网络，称为多小波注意记忆神经网络(MWA‑MNN)，它由三个子网络组成，子网络中包括离散小波注意块(DWAB)和坐标通道注意块(CCAB)来提取空间和通道特征信息，从而有效地将雨纹等退化图像层从图像中分离出来干净的图像，利用小波变换对高频信息的表现力，从而提高图像的复原性能。子网络中还包括监督选择性核块(SSKB)，用于过滤每个子网络中有效提取的特征。本发明还提出了一种基于忆阻器交叉阵列MWA‑MNN电路实现方案，忆阻器是一种新型的非易失性存储器类型，具有更快的读取速度和更低的功耗。实验结果表明，该方法在各种图像复原任务中具有良好的性能和通用性。
-
公开(公告)号：CN117392020A
公开(公告)日：2024-01-12
申请号：CN202311466352.1
申请日：2023-11-07
Applicant: 西南大学
IPC: G06T5/77 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及图像修复技术领域，具体公开了一种基于类脑视觉Transformer的图像修复方法及ADAS边缘设备，创建了一种U型结构的图像修复网络(LSFormer)，在该网络中，提出了线性稀疏Transformer块(LSTB)，在LSTB中设计了聚焦线性稀疏注意力块(FLSA)降低计算复杂性，有助于减轻与Softmax相关的异常值问题；在FLSA中还设计了多尺度前馈网络(MSFF)，以通过使用不同深度卷积核大小来增强局部表示；在LSFormer还提出了小波注意力块(WAB)，来改进输出图像。此外，本发明提供了基于忆阻器类脑计算系统的硬件实施方案，用于智能车辆中应用ADAS。本发明还评估了提出的网络在多个数据集上的性能，包括低照度增强、图像去雨和图像去雾等任务，结果表明，LSFormer在这三个任务中均优于最先进的网络。
-
-
-
Search Results
4
records
(took 0.013 seconds)
