-
公开(公告)号：CN114598833B
公开(公告)日：2023-02-10
申请号：CN202210305381.9
申请日：2022-03-25
申请人： 西安电子科技大学
IPC分类号： H04N7/01 , G06T7/269 , G06N3/0464 , G06N3/08
摘要： 本发明提出了一种基于时空联合注意力的视频插帧方法，实现步骤为：(1)获取训练数据集和数据集；(2)构建基于时空联合注意力的视频插帧网络；(3)对视频插帧网络模型迭代训练；(4)获取视频插帧结果。本发明所构建的基于时空联合注意力的视频插帧模型，利用时空注意力机制去捕获输入帧之间的时空关系，并对复杂运动进行建模，完成了高质量的视频插帧。与现有的大多数网络相比，本算法不使用额外的光流输入，避免了光流估计带来的额外误差，同时使得网络参数量低，有实际应用价值。
-
公开(公告)号：CN114598833A
公开(公告)日：2022-06-07
申请号：CN202210305381.9
申请日：2022-03-25
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于时空联合注意力的视频插帧方法，实现步骤为：(1)获取训练数据集和数据集；(2)构建基于时空联合注意力的视频插帧网络；(3)对视频插帧网络模型迭代训练；(4)获取视频插帧结果。本发明所构建的基于时空联合注意力的视频插帧模型，利用时空注意力机制去捕获输入帧之间的时空关系，并对复杂运动进行建模，完成了高质量的视频插帧。与现有的大多数网络相比，本算法不使用额外的光流输入，避免了光流估计带来的额外误差，同时使得网络参数量低，有实际应用价值。
-
公开(公告)号：CN113538246A
公开(公告)日：2021-10-22
申请号：CN202110911768.4
申请日：2021-08-10
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于无监督多阶段融合的遥感图像超分辨率重建方法，主要解决现有遥感图像超分辨率重建方法鲁棒性差和超分后的遥感图像纹理模糊的问题，其实现步骤为：构建由多阶段融合网络；生成非匹配的训练集；利用构建一致性损失函数对网络依次进行内容一致性、感知内容一致性和感知分布一致性三个阶段的训练；对遥感图像进行超分辨率重建。本发明通过有效利用多阶段融合网络中的多层次特征，使用非匹配的真实遥感图像对网络进行训练，使得该方法具有较强鲁棒性，本发明在保留低分辨率遥感图像上的内容的同时挖掘其底层的感知相似性，以获得更加真实清晰的纹理。
-
公开(公告)号：CN110136060B
公开(公告)日：2023-03-24
申请号：CN201910332670.6
申请日：2019-04-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
公开(公告)号：CN113096015B
公开(公告)日：2023-04-28
申请号：CN202110381620.4
申请日：2021-04-09
申请人： 西安电子科技大学
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明提出了一种基于渐进式感知和超轻量级网络的图像超分辨率重建方法，解决了现有技术超分后的图像存在的结构畸变和几何失真的现象，实现步骤为：构建低参数密度的内容重建生成网络；构建低参数密度的感知重建生成网络；生成训练集；训练内容重建生成网络；利用内容相关特征训练感知重建生成网络；对自然图像进行超分辨率重建。本发明采用渐进式的重建方式逐步重建出结构清晰的图像，同时由于构建的生成网络的拓扑结构简单、参数量少，易于用于计算资源受限的移动设备及专有芯片中。
-
公开(公告)号：CN113538246B
公开(公告)日：2023-04-07
申请号：CN202110911768.4
申请日：2021-08-10
申请人： 西安电子科技大学
IPC分类号： G06T3/40 , G06N3/084 , G06V10/44 , G06V10/774 , G06N3/0464
摘要： 本发明公开了一种基于无监督多阶段融合的遥感图像超分辨率重建方法，主要解决现有遥感图像超分辨率重建方法鲁棒性差和超分后的遥感图像纹理模糊的问题，其实现步骤为：构建由多阶段融合网络；生成非匹配的训练集；利用构建一致性损失函数对网络依次进行内容一致性、感知内容一致性和感知分布一致性三个阶段的训练；对遥感图像进行超分辨率重建。本发明通过有效利用多阶段融合网络中的多层次特征，使用非匹配的真实遥感图像对网络进行训练，使得该方法具有较强鲁棒性，本发明在保留低分辨率遥感图像上的内容的同时挖掘其底层的感知相似性，以获得更加真实清晰的纹理。
-
公开(公告)号：CN113096015A
公开(公告)日：2021-07-09
申请号：CN202110381620.4
申请日：2021-04-09
申请人： 西安电子科技大学
摘要： 本发明提出了一种基于渐进式感知和超轻量级网络的图像超分辨率重建方法，解决了现有技术超分后的图像存在的结构畸变和几何失真的现象，实现步骤为：构建低参数密度的内容重建生成网络；构建低参数密度的感知重建生成网络；生成训练集；训练内容重建生成网络；利用内容相关特征训练感知重建生成网络；对自然图像进行超分辨率重建。本发明采用渐进式的重建方式逐步重建出结构清晰的图像，同时由于构建的生成网络的拓扑结构简单、参数量少，易于用于计算资源受限的移动设备及专有芯片中。
-
公开(公告)号：CN110111256A
公开(公告)日：2019-08-09
申请号：CN201910350951.4
申请日：2019-04-28
申请人： 西安电子科技大学
IPC分类号： G06T3/40
摘要： 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN110111256B
公开(公告)日：2023-03-31
申请号：CN201910350951.4
申请日：2019-04-28
申请人： 西安电子科技大学
IPC分类号： G06T3/40
摘要： 本发明公开了一种基于残差蒸馏网络的图像超分辨率重建方法，主要解决现有方法重建效果差，资源消耗大的问题，其实现步骤为：1)构建残差蒸馏模块；2)级联残差蒸馏块构建残差蒸馏卷积群；3)级联低级特征提取网络、残差蒸馏模块和图像重建层构建残差蒸馏卷积网络；4)对公布的图像数据集进行预处理，并将处理后的数据分成训练数据集和测试数据集；5)利用训练数据集训练残差蒸馏网络；6)将测试数据集中的图像输入到残差蒸馏网络中，输出重建后的高分辨率图像。本发明提高了重建图像的清晰度，尤其在重建结构轮廓、自然纹理时，表现更佳，可用于受限设备采集图像的超分辨率重建。
-
公开(公告)号：CN110136060A
公开(公告)日：2019-08-16
申请号：CN201910332670.6
申请日：2019-04-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于浅层密集连接网络的单帧图像超分辨率重建方法，主要解决现有数字成像系统获得的图像分辨率低的问题；其实施过程为：首先通过跨层级联的方式构建密集连接块，而后堆叠两次密集连接块，构造密集连接网络；然后通过双三次下采样的方式取图像Y通道，构建训练数据集和测试数据集，并通过训练数据训练浅层连接网络；使用平均绝对误差作为网络的损失函数，判定网络训练是否达到要求；最后使用测试集，通过已训练好的网络进行图像超分辨率重建；本发明通过浅层密集连接网络，能更加有效地利用特征图，最终重构的超分辨率图像保留了更丰富的细节和更清晰地边缘轮廓，可用于天气状况预测、公安部门刑侦破案、电视显示器清晰度提升。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.024 秒)
