龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学院云南天文台
摘要：本发明公开了基于深度学习进行SOHOMDI磁图超分辨率重建的方法。主要通过数据预处理、构建基于RLFN的100层卷积神经网络MESR，包含浅层特征提取层、深层特征提取层、图像重建模块，进行特征提取，利用广义损失函数CharbonnierLoss构建模型损失函数。在训练过程中，采用Adam优化器，设置初始学习率为0.001，训练500个epoch。最后对模型进行效果评估，采用PSNR，SSIM，CC和RMSE等指标进行评估。此方法有效提高了模型的学习映射能力以及了模型的训练效果，有利于更精确地对SOHOMDI磁图进行超分辨率重建。
主权项：1.基于深度学习进行SOHOMDI磁图超分辨率重建的方法，其特征在于：所述的方法包括：数据预处理；构建基于RLFN的100层的卷积神经网络MESR，采用三个卷积层进行残差局部特征学习以简化特征聚合；所述的基于RLFN的100层的卷积神经网络MESR具体构成包括：浅层特征提取层、深层特征提取层、图像重建模块；浅层特征提取层的核心结构是RLFB网络结构，每个RLFB通过堆叠3个Conv-SiLU进行局部特征提取，采用64个通道数，之后经过一个1×1卷积层以降低通道数与ESA模块连接；ESA模块开始于一个1×1卷积，减少输入特征的通道维度，然后使用步长为2的stridedconvolution和大小为7×7，步长为3的max-pooling层去减少空间尺寸，之后通过3×3卷积层提取特征，并采用基于插值的上采样恢复空间尺寸，使用残差连接，将提取的特征经过1×1卷积层处理并恢复通道数，最后，由sigmoid函数生成特征矩阵，并且和原始输入特征相乘；构建模型的损失函数，采用广义损失函数CharbonnierLoss；所述的广义损失函数如下： ;其中，是真实的图像灰度值，是重建结果图像的灰度值，是图像像素点的总数量；对模型进行训练，采用Adam优化器，设置初始学习率；对构建的模型效果进行定量评估，使用峰值信噪比PSNR，结构相似度SSIM，相关系数CC和均方根误差RMSE进行评估。
全文数据：
权利要求：
百度查询： 中国科学院云南天文台 基于深度学习进行SOHO/MDI磁图超分辨率重建的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号