← 返回列表
一种基于无监督深度学习的超分辨率方法及相应设备
摘要文本
本申请提供的一种基于无监督深度学习的超分辨率方法及相应设备;包括:构建基于未配对的真实LR图像和高质量HR图像的数据集;将高质量HR图像输入退化生成网络,得到合成LR图像;所述高质量HR图像通过双三次下采样模块,得到双三次下采样结果;通过合成LR图像与双三次下采样结果之间的内容损失函数和感知损失函数,以及合成LR图像与真实LR图像之间的对抗损失函数,对退化生成网络进行训练,得到训练好的退化生成网络;将高质量HR图像、真实LR图像、合成LR图像作为输入,采用域差异感知、域距离加权监督相结合的训练方法训练超分辨率网络,得到超分辨率结果;具有生成真实和视觉质量好的超分辨率结果的有益效果,适用于图像超分辨率领域。
申请人信息
- 申请人:成都宜图智享信息科技有限公司
- 申请人地址:610000 四川省成都市高新区和乐二街150号
- 发明人: 成都宜图智享信息科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于无监督深度学习的超分辨率方法及相应设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410077396.3 |
| 申请日 | 2024/1/19 |
| 公告号 | CN117593188A |
| 公开日 | 2024/2/23 |
| IPC主分类号 | G06T3/4053 |
| 权利人 | 成都宜图智享信息科技有限公司 |
| 发明人 | 顾舒航; 赵小锐 |
| 地址 | 四川省成都市高新区和乐二街150号 |
专利主权项内容
1.一种基于无监督深度学习的超分辨率方法,其特征在于,包括:S10,构建基于未配对的真实LR图像和高质量HR图像的数据集;S20,将高质量HR图像输入具有下采样模块的退化生成网络,得到合成LR图像;将高质量HR图像通过双三次下采样模块,得到双三次下采样结果;S30,通过合成LR图像与双三次下采样结果之间的内容损失函数和感知损失函数,以及合成LR图像与真实LR图像之间的对抗损失函数,对退化生成网络进行训练,得到训练好的退化生成网络;S40,将高质量HR图像、真实LR图像、合成LR图像作为输入,采用域差异感知、域距离加权监督相结合的训练方法训练超分辨率网络,得到超分辨率结果。