-
公开(公告)号：CN112702600B
公开(公告)日：2022-04-12
申请号：CN202011591927.9
申请日：2020-12-29
申请人： 南京大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号： H04N19/124 , H04N19/13 , H04N19/149 , H04N19/30 , G06N3/04 , G06T9/00
摘要： 本发明公开一种图像编解码神经网络分层定点化方法。该方法的步骤如下：(1)选取合适的静态图像训练集及测试集建立并训练端到端的图像编解码网络；(2)对所述图像编解码网络的参数和激活值进行定点化，其中，对于网络不同层的参数和激活值采用不同的定点化比特数，并对需要进行浮点运算的激活函数进行简化；(3)重新训练经步骤(2)定点化后的图像编解码网络；(4)将训练后的图像编解码网络的输出数据，经过量化和无损熵编码输出作为压缩数据。本发明的方法通过对不同的网络层采用不同的量化系数，优化了定点化效果。
-
公开(公告)号：CN112598599A
公开(公告)日：2021-04-02
申请号：CN202011591947.6
申请日：2020-12-29
申请人： 南京大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
摘要： 本发明公开了一种高光谱图像的去噪模型训练方法及去噪方法。其去噪模型训练方法包括如下步骤：(1)对获取的高光谱图像数据集做预处理，获得无噪数据集，然后加入不同方差的高斯白噪声，生成有噪数据集；(2)对方差扩充维度，得到与图像同等大小的噪声水平图；(3)将有噪数据集和噪声水平图构成样本数据组进行训练，得到噪声估计子网络模型；(4)利用噪声估计子网络模型预测得到噪声水平图，并将噪声水平图和有噪数据合并，与无噪数据集作为样本数据组进行训练，得到高光谱图像去噪模型。本发明采用了训练子网络的方法估计噪声方差，使得去噪模型不仅对高光谱图像去噪效果显著，而且实现了处理不同噪声方差的盲去噪效果。
-
公开(公告)号：CN112598599B
公开(公告)日：2024-04-09
申请号：CN202011591947.6
申请日：2020-12-29
申请人： 南京大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号： G06F30/27
摘要： 本发明公开了一种高光谱图像的去噪模型训练方法及去噪方法。其去噪模型训练方法包括如下步骤：(1)对获取的高光谱图像数据集做预处理，获得无噪数据集，然后加入不同方差的高斯白噪声，生成有噪数据集；(2)对方差扩充维度，得到与图像同等大小的噪声水平图；(3)将有噪数据集和噪声水平图构成样本数据组进行训练，得到噪声估计子网络模型；(4)利用噪声估计子网络模型预测得到噪声水平图，并将噪声水平图和有噪数据合并，与无噪数据集作为样本数据组进行训练，得到高光谱图像去噪模型。本发明采用了训练子网络的方法估计噪声方差，使得去噪模型不仅对高光谱图像去噪效果显著，而且实现了处理不同噪声方差的盲去噪效果。
-
公开(公告)号：CN112702600A
公开(公告)日：2021-04-23
申请号：CN202011591927.9
申请日：2020-12-29
申请人： 南京大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司信息通信分公司
IPC分类号： H04N19/124 , H04N19/13 , H04N19/149 , H04N19/30 , G06N3/04 , G06T9/00
摘要： 本发明公开一种图像编解码神经网络分层定点化方法。该方法的步骤如下：(1)选取合适的静态图像训练集及测试集建立并训练端到端的图像编解码网络；(2)对所述图像编解码网络的参数和激活值进行定点化，其中，对于网络不同层的参数和激活值采用不同的定点化比特数，并对需要进行浮点运算的激活函数进行简化；(3)重新训练经步骤(2)定点化后的图像编解码网络；(4)将训练后的图像编解码网络的输出数据，经过量化和无损熵编码输出作为压缩数据。本发明的方法通过对不同的网络层采用不同的量化系数，优化了定点化效果。
-
-
-
搜索结果
4 条记录 (耗时 0.066 秒)
