公开(公告)号：CN115661535B

公开(公告)日：2023-11-03

申请号：CN202211352018.9

申请日：2022-10-31

Applicant: 中国矿业大学 ,  北京开蒙养正科技有限公司

Inventor： 陈伟 ,  徐梓善 ,  孙德燕 ,  陈都峰 ,  杨文嘉 ,  夏阳 ,  王珂 ,  毕方明

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/28 ,  G06V10/25 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种目标去除背景恢复方法、装置和电子设备，本发明利用深度卷积神经网络的算法，能够有效去除图片中存在的各类目标，并在去除后恢复出该区域背景信息为研究对象，通过分阶段训练得到两个卷积神经网络，基于MaskRcnn实例分割模型的目标去除网络与基于MAE自监督学习模型的背景恢复网络，分阶段式先分割再预测串接构成最终的目标去除背景恢复模型，这种方法能够准确还原图像，恢复效果更好，并且无需专门针对各类场景人工订制训练数据集，具有更好的适用场景可拓展性。

公开(公告)号：CN115661535A

公开(公告)日：2023-01-31

申请号：CN202211352018.9

申请日：2022-10-31

Applicant: 中国矿业大学 ,  北京开蒙养正科技有限公司

Inventor： 陈伟 ,  徐梓善 ,  孙德燕 ,  陈都峰 ,  杨文嘉 ,  夏阳 ,  王珂 ,  毕方明

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/28 ,  G06V10/25 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种目标去除背景恢复方法、装置和电子设备，本发明利用深度卷积神经网络的算法，能够有效去除图片中存在的各类目标，并在去除后恢复出该区域背景信息为研究对象，通过分阶段训练得到两个卷积神经网络，基于MaskRcnn实例分割模型的目标去除网络与基于MAE自监督学习模型的背景恢复网络，分阶段式先分割再预测串接构成最终的目标去除背景恢复模型，这种方法能够准确还原图像，恢复效果更好，并且无需专门针对各类场景人工订制训练数据集，具有更好的适用场景可拓展性。

公开(公告)号：CN114298911A

公开(公告)日：2022-04-08

申请号：CN202111672918.7

申请日：2021-12-31

Applicant: 中国矿业大学

Inventor： 刘兵 ,  刘明明 ,  刘浩 ,  梁袁 ,  孙德燕

IPC: G06T3/40

Abstract: 本发明提供一种多尺度残差注意机制网络的单图像超分辨率重建方法，包括：构建多尺度残差注意机制网络，包括依次连接的由卷积层构建的浅特征提取部分，由N个深度连接多尺度残差注意组、远程跳跃连接和全局感知外部注意机制组成的深特征提取部分，放大模块部分，以及由卷积层构建的重构部分；将待重建的低分辨率图像ILR，通过浅特征提取部分提取其浅层特征F0，输入深特征提取模块获取深度特征FDF；通过放大模块部分将深度特征FDF进行放大；通过重构部分，将放大的特征FUP转换为超分辨率图像ISR。本发明构建了一个深度连接的多尺度残差注意网络，实现精确的SISR。

公开(公告)号：CN114298911B

公开(公告)日：2024-09-20

申请号：CN202111672918.7

申请日：2021-12-31

Applicant: 中国矿业大学

Inventor： 刘兵 ,  刘明明 ,  刘浩 ,  梁袁 ,  孙德燕

IPC: G06T3/4046 ,  G06T3/4076

Abstract: 本发明提供一种多尺度残差注意机制网络的单图像超分辨率重建方法，包括：构建多尺度残差注意机制网络，包括依次连接的由卷积层构建的浅特征提取部分，由N个深度连接多尺度残差注意组、远程跳跃连接和全局感知外部注意机制组成的深特征提取部分，放大模块部分，以及由卷积层构建的重构部分；将待重建的低分辨率图像ILR，通过浅特征提取部分提取其浅层特征F0，输入深特征提取模块获取深度特征FDF；通过放大模块部分将深度特征FDF进行放大；通过重构部分，将放大的特征FUP转换为超分辨率图像ISR。本发明构建了一个深度连接的多尺度残差注意网络，实现精确的SISR。