-
公开(公告)号：CN111681166A
公开(公告)日：2020-09-18
申请号：CN202010490621.8
申请日：2020-06-02
申请人： 重庆理工大学
摘要： 本发明涉及一种堆叠注意力机制编解码单元的图像超分辨率重建方法，具体包括以下步骤：通过将编解码单元作为网络基本单元，由下采样部分、上采样部分和特征融合部分组成；在上下采样的部分中融入通道注意力机制作为改进后的编解码单元来作为改进网络单元，其中向下采样由残差卷积块组成，向上采样由反卷积完成，特征融合是通过通道拼接和通道注意力机制来完成；最终将相同改进后的编解码结构堆叠在一起，组成整体网络的主体部分，使不同编解码结构之间的特征得到更好的融合，经过亚像素卷积层进行上采样，最终得到HR图像。本发明由于编解码结构在图像恢复中的成功表现，可以有效去除图像的噪声，实现对噪声图像进行超分辨率重建。
-
公开(公告)号：CN114792385A
公开(公告)日：2022-07-26
申请号：CN202210534058.9
申请日：2022-05-17
申请人： 重庆理工大学
IPC分类号： G06V10/764 , G06V10/80 , G06V10/774 , G06V10/82 , G06V10/74 , G06V10/46 , G06V10/77 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种金字塔分离双注意力的少样本细粒度图像分类方法，包括如下步骤：选用数据集D，从D中随机选取N个图像类别并进行编号组成支持集和查询集；将支持集和查询集通过特征嵌入模块进行学习得到两种集合的特征图；将两种特征图通过金字塔分离模块得到多尺度特征图fS和fQ；将fS和fQ通过双注意力机制得到重新加权的支持集特征嵌入和查询集特征嵌入；将Yp中的所有样本分别取类别平均值Ya，将每个查询样本分别与Ya在通道维度上进行串联组合得到样本关系对Yaj；基于关系相似性度量模型可以计算得到每个样本关系对的相似性分数Saj，分数最高所对应的类别即为该查询样本的所属类别。通过使用本方法可以在少样本情况下对细粒度图像进行精确分类。
-
公开(公告)号：CN111681166B
公开(公告)日：2023-04-18
申请号：CN202010490621.8
申请日：2020-06-02
申请人： 重庆理工大学
摘要： 本发明涉及一种堆叠注意力机制编解码单元的图像超分辨率重建方法，具体包括以下步骤：通过将编解码单元作为网络基本单元，由下采样部分、上采样部分和特征融合部分组成；在上下采样的部分中融入通道注意力机制作为改进后的编解码单元来作为改进网络单元，其中向下采样由残差卷积块组成，向上采样由反卷积完成，特征融合是通过通道拼接和通道注意力机制来完成；最终将相同改进后的编解码结构堆叠在一起，组成整体网络的主体部分，使不同编解码结构之间的特征得到更好的融合，经过亚像素卷积层进行上采样，最终得到HR图像。本发明由于编解码结构在图像恢复中的成功表现，可以有效去除图像的噪声，实现对噪声图像进行超分辨率重建。
-
-
搜索结果
3 条记录 (耗时 0.026 秒)
