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：浙江工业大学
摘要：本发明公开了一种基于级联可变形卷积的图像修复方法，属于深度学习的图像生成领域，方法包括输入原始待修复图像、级联可变形卷积编码、相邻层传导注意力计算、级联可变形卷积解码、级联损失引导约束；级联可变形卷积编码以实现深层特征的偏移提取；针对多层级的特征执行相邻层传导注意力计算整合结构纹理细节；级联可变形卷积解码逐步扩大特征分辨率至原图大小，得到完整的修复图像；级联损失对所有解码器层级的中间特征进行深度监督，引导修复重建的快速收敛。
主权项：1.一种基于级联可变形卷积的图像修复方法，其特征在于，所述基于级联可变形卷积的图像修复方法，包括：步骤S1、获取破损待修复样本图像Fin；步骤S2、将所述破损待修复样本图像Fin输入级联可变形卷积编码器，得到多层次的深度特征图X1、X2、X3、X4、X5、X6和X7，所述级联可变形卷积编码器包括五层步长为2的卷积下采样层和两层可变形卷积块；步骤S3、将深度特征图X1、X2、X3、X4、X5、X6和X7输入级联可变形卷积解码器，得到多尺寸的中间特征图k∈{1,2,3,4,5,6}，所述级联可变形卷积解码器包括六层相邻层传导注意力模块；步骤S4、对破损待修复样本图像Fin进行下采样操作得到尺寸分别与中间特征图对应的待修复样本特征图基于相同尺寸的中间特征图和待修复样本特征图计算得到残差重构特征CLk，并计算各残差重构特征CLk和真实图像之间的误差得到级联损失，基于级联损失对所述级联可变形卷积编码器和所述级联可变形卷积解码器进行训练更新，所述真实图像为破损待修复样本图像Fin对应的无破损图像；步骤S5、推理阶段，基于训练更新完成的级联可变形卷积编码器和级联可变形卷积解码器对待修复的破损图像进行处理，得到中间特征图对中间特征图进行一次两倍上采样操作以及输出通道为3、卷积核为3的卷积操作得到最终的修复后图像。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于级联可变形卷积的图像修复方法
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