← 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

申请号: CN202410077396.3
申请人: 成都宜图智享信息科技有限公司
申请日期: 2024/1/19

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。

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。