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。

公开(公告)号：CN118587671A

公开(公告)日：2024-09-03

申请号：CN202410733389.4

申请日：2024-06-07

Applicant: 江南大学

Inventor： 刘登峰 ,  李苏婉 ,  亓伟峰 ,  付玄辉 ,  李昌睿 ,  郭文静 ,  赵雅黎

IPC: G06V20/56 ,  G06T3/4053 ,  G06T3/4046 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及车道线检测技术领域，尤其是指一种融合特征超分辨率的车道线检测方法及装置，包括：利用图像超分辨率网络对待检测的车道线图像进行预处理；利用经过预处理的待检测的车道线图像对预先构建的超分辨率车道线检测模型进行训练；所述超分辨率车道线检测模型包括依次连接的特征提取模块、跨尺度特征融合模块和检测模块；利用经过训练的超分辨率车道线检测模型对待检测的车道线图像进行检测。本发明在训练阶段通过图像超分辨率网络提升训练输入图像的分辨率，使得模型能够利用高分辨率图像学习到高分辨率特征信息，并且测试阶段不增加模型额外的计算负担，提升了车道线检测的准确率。