公开(公告)号：CN118710916A

公开(公告)日：2024-09-27

申请号：CN202410720061.9

申请日：2024-06-05

Applicant: 江南大学

Inventor： 刘登峰 ,  朱俊彬 ,  李苏婉 ,  刘姝言 ,  宋瑞泽 ,  郭虓赫 ,  马劲柏 ,  邓赵红 ,  王士同

IPC: G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/778

Abstract: 本发明属于图像处理技术领域，涉及一种基于知识蒸馏的图像特征提取方法及装置；将多个图像样本输入教师模型，得到每个图像样本的第一特征向量；将多个图像样本输入学生模型，得到每个图像样本的第二特征向量；将多个第一特征向量中排序相同的特征值组合，得到m个第一组合向量；将多个第二特征向量中排序相同的特征值组合，得到m个第二组合向量；基于多个图像样本的目标类知识蒸馏损失函数得到第一损失函数，基于多个图像样本的皮尔逊相关系数损失函数得到第二损失函数，基于m个组合向量的皮尔逊相关系数损失函数得到第三损失函数，从而得到图像特征损失函数对学生模型进行训练，直到图像特征提取损失函数最小，得到训练好的学生模型。

公开(公告)号：CN118587091A

公开(公告)日：2024-09-03

申请号：CN202410733392.6

申请日：2024-06-07

Applicant: 江南大学

Inventor： 刘登峰 ,  张温 ,  刘姝言 ,  宋瑞泽 ,  李昌睿 ,  陈世海 ,  王骏飞 ,  邓赵红 ,  王士同

IPC: G06T3/4053 ,  G06T3/4046 ,  G06T7/90 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/096

Abstract: 本发明涉及图像处理领域，尤其是指一种基于多任务学习的图像联合处理方法及系统，该方法包括：构建图像联合处理模型；其中，所述图像联合处理模型包括浅层特征提取模块、深层特征提取模块、超分重建模块和半色调重建模块；设计联合损失函数对所述图像联合处理模型进行训练，得到训练后的图像联合处理模型；所述训练后的图像联合处理模型通过所述超分重建模块生成超分辨率图像，通过所述半色调重建模块生成半色调图像。本发明通过共享模型的方式进行联合建模，在损失函数中，设计了一种联合损失方式，分别添加了图像半色调损失和图像超分损失，同时优化图像超分和图像半色调的效果，也解决了现有多任务模型的计算复杂度高、处理速度慢的问题。