X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们
欢迎来到科易网(仲恺)技术转移协同创新平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
成果 专家 院校 需求
当前位置: 首页 >  科技成果  > 详细页

[00902550]一种基于多尺度特征提取融合的监督卷积神经网络的图像超分辨率重建方法

交易价格: 面议

所属行业: 网络

类型: 发明专利

技术成熟度: 正在研发

专利所属地:中国

专利号:CN202010211303.3

交易方式: 其他

联系人:

所在地:天津天津市

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开一种基于多尺度特征提取融合的监督卷积神经网络的图像超分辨率重建方法,包括以下步骤:图像预处理、图像特征提取和图像重建,在图像特征提取步骤中,采用了多个MSB模块,图像在MSB模块中,采用含有不同大小卷积核的卷积层分别进行特征提取,再采用密集连接的方式进行特征重复学习,在模型中设计了监督层误差函数,用以辅助和修正模型的重建误差。本发明实现了对提取的特征图在不同尺度上处理,增强了模型的适应性;实现了信息的多通道传播,加快了收敛速度,缓解了梯度消失现象;添加辅助监督误差函数,增强了梯度的反向传播,提供额外的正则化,有效地解决了传统算法中存在的梯度消失问题,提高了算法的精度。
本发明公开一种基于多尺度特征提取融合的监督卷积神经网络的图像超分辨率重建方法,包括以下步骤:图像预处理、图像特征提取和图像重建,在图像特征提取步骤中,采用了多个MSB模块,图像在MSB模块中,采用含有不同大小卷积核的卷积层分别进行特征提取,再采用密集连接的方式进行特征重复学习,在模型中设计了监督层误差函数,用以辅助和修正模型的重建误差。本发明实现了对提取的特征图在不同尺度上处理,增强了模型的适应性;实现了信息的多通道传播,加快了收敛速度,缓解了梯度消失现象;添加辅助监督误差函数,增强了梯度的反向传播,提供额外的正则化,有效地解决了传统算法中存在的梯度消失问题,提高了算法的精度。

推荐服务:

Copyright © 2015 科易网 版权所有 闽ICP备07063032号-5