[发明专利]视觉优化方法、优化系统、计算机设备和可读存储介质

权利要求书

1.一种视觉优化方法，其特征在于，包括：

获取完成预训练的预设卷积神经网络以及预设问题的感知损失函数；

根据所述预设问题的感知损失函数和所述预设卷积神经网络中预设层数对应的感知损失函数训练得出与所述预设层数对应的多个模型；

根据预设指标评估所述多个模型；

根据评估结果和预设指数权重规则获得所述多个模型中每个模型的权重；

根据所述每个模型的权重和所述预设层数对应的感知损失函数获取优化的感知损失函数；

所述根据预设指标评估所述多个模型的步骤，具体包括：

根据第三预设公式获得O_i(X_j)与Y_j的相似性：

其中，O_i(X_j)为第i个模型的输出，E(·，·)为所述预设指标，训练集training set为(X_j，Y_j)，X_j为有雨图片，Y_j为无雨图片，为O_i(X_j)与Y_j的相似性；

所述根据评估结果和预设指数权重规则获得所述多个模型中每个模型的权重的步骤，具体包括：

根据第四预设公式获得所述每个模型的权重：

其中，w_i为第i个模型的权重，vgg为所述预设卷积神经网络；

在得出最终的所述优化的感知损失函数的过程充分利用并整合了预训练好的网络从低层到高层，从局部到整体的语义信息，所述优化的感知损失函数描述了两张图片的相似性；

所述根据所述每个模型的权重和所述预设层数对应的感知损失函数获取优化的感知损失函数的步骤，具体包括：

根据第五预设公式获得所述优化的感知损失函数：

其中，L′为所述优化的感知损失函数，L为所述预设问题的感知损失函数，vgg为所述预设卷积神经网络，w_i为第i个模型的权重，P_i为所述预设卷积神经网络第i层对应的感知损失函数。

2.根据权利要求1所述的视觉优化方法，其特征在于，所述根据所述预设问题的感知损失函数和所述预设卷积神经网络中预设层数对应的感知损失函数训练得出与所述预设层数对应的多个模型的步骤，具体包括：

根据第一预设公式获取所述预设层数的感知损失函数：

根据第二预设公式获得所述多个模型的感知损失函数：

P_i′＝L+P_i

其中，V_i(·)为从所述预设卷积神经网络的输入到所述预设卷积神经网络的第i层的变换，训练集training set为(X_j，Y_j)，size(V_i(X_j))为V_i(X_j)的大小，#(·)为所述训练集的大小，P_i′为第i个模型的感知损失函数，L为所述预设问题的感知损失函数。