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：北京航空航天大学杭州创新研究院
摘要：本发明公开了一种基于在线知识迁移的深度神经网络集成模型单张图像超分辨率方法和系统，使用多个基于DNN的基学习器构建集成模型，所述集成模型包括多个基于DNN的基学习器，每个基学习器都有一个上采样模块和一个精化网络；且不同基学习器的上采样模块采用不同的上采样方法；各基学习器之间利用扩展的Cross‑stitch单元相连接，基学习器的输出通过可学习的权重合并为最终输出的HR图像。本发明能够将差异性主动引入到基学习器中，即主动增强基学习器之间的差异，保证集成模型能获得良好性能；扩展的Cross‑stitch单元可以使来自其他基学习器的有益的输入被加强，而不利的输入会被减弱；可学习的权重能够自适应地根据不同基学习器的输出进行组合，从而获得更好的效果。
主权项：1.一种基于在线知识迁移的深度神经网络集成模型单张图像超分辨率方法，其特征在于包括如下步骤：1构建基于DNN的集成模型，所述集成模型包括多个基于DNN的基学习器，每个基学习器都有一个上采样模块和一个精化网络；对于给定输入LR图像ILR，每个基学习器的上采样模块分别采用不同的上采样方法得到相互具有差异性的目标尺寸粗输入图像I′LR，作为其精化网络的输入；各基学习器之间利用扩展的Cross-stitch单元相连接，通过线性组合所有基学习器位于同一隐藏层的激活图{x1…xN}得到这些基学习器下一隐藏层的输入如公式1所示； 通过反向传播算法学习矩阵A，扩展的Cross-stitch单元能够自适应地决定每个基学习器某个隐藏层的输出在多大程度上传递给其他基学习器；所述基学习器的输出通过可学习的权重合并为最终输出的HR图像；对于输入的LR图像ILR，所有基学习器的输出通过线性加权的方式组合在一起，如公式2所示，权重w能够在训练中利用反向传播算法更新； 2利用包含LR图像和其对应的HR图像作为标签的训练集对集成模型进行训练，通过训练得到能对低分辨率图像进行超分辨到高分辨率图像的集成模型；3利用训练好的集成模型对测试数据集中的低分辨率图像进行超分辨处理。
全文数据：
权利要求：
百度查询： 北京航空航天大学杭州创新研究院 一种基于在线知识迁移的深度神经网络集成模型单张图像超分辨率方法和系统
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