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:天津工业大学
摘要:本发明公开了一种基于部分卷积利用移位深度特征重排的图像遮挡恢复方法。对比现有相关技术方法,该技术具有适应性强、鲁棒性好,使用阶段只需要输入带有遮挡图像及遮挡物掩模,过程不需人为的干预,训练过程稳定,充分保持了去除遮挡恢复原貌和保持真实性的平衡等优点。本发明的主要创新之处在解决了图像遮挡缺失恢复问题赋予计算机重建图像缺失部分的能力,实现相对人类感知能力而言更为精确细致的图像遮挡缺失恢复重建。在生成器中通过部分卷积更新掩模控制可见区域保持完整与重排深度特征信息进行遮挡区域恢复重建,加上判别器的控制,多个部分损失控制生成器的图像遮挡恢复,得到期望的图像遮挡恢复重建的原貌,本发明考虑多种策略控制生成器修复,直接提升恢复重建效果。本发明将在实际应用中对于遮挡补偿、破损恢复等相关问题带来更加优秀的解决方案。
主权项:1.基于部分卷积利用移位深度特征重排的图像遮挡恢复重建方法,包括下列步骤:方法训练阶段:1搭建由四十种不同物体的真实图像与1000张真实的背景图像进行合成构建遮挡图像训练样本集合,并进行归一化处理,标定四十种不同的真实图像的掩模,并将1000张无遮挡图像作为真实图像标签;2使用合成的遮挡图像和对应遮挡物的掩模进行输入,经过一系列卷积层、引入连接卷积特征的反卷积层、批归一化层和激活层后,输出256*256大小的图像;3在生成器中控制无遮挡的部分保持原有输出,只针对图像中遮挡区域进行恢复重建;4针对移位层,卷积层特征和引入连接卷积特征的反卷积层特征的信息都是从原图中获取信息,反卷积层中未知区域的信息可以通过近邻搜索卷积层中的已知区域找到,通过每次输入的真实图像优化移位层;5将步骤2得到的生成图像与步骤1中无遮挡的真实图像输入本模型的判别器中;6以5中经过判别器的卷积层、批归一化层和激活层后的输出的低维特征与其无遮挡预期输出的低维特征之问的差距优化判别器;7以欺瞒判别器从而得到预期输出为目标优化生成器,通过步骤3中遮挡区域恢复图像与原图中遮挡对应的区域之间的差距,步骤4中位移层的参数优化,步骤6中判别器输出的恢复图像的低维特征与其无遮挡预期输出的低维特征之间的差距,结合以上三项目标共同优化生成器;8反复进行上述2~7步骤,直到训练模型得到收敛,即损失值达到不再明显下降的状态,保存本模型生成器的参数以便在线使用阶段使用;在线使用阶段:9加载本模型的生成器的参数;10将有遮挡物的图片和遮挡物对应的掩模输入模型生成器,得到所期望的去除遮挡恢复重建后的图像并保存。
全文数据:
权利要求:
百度查询: 天津工业大学 基于部分卷积利用移位深度特征重排的图像遮挡恢复重建方法
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。