[发明专利]基于自适应重要性学习的轻量级图像超分辨率改进方法在审
| 申请号： | 201810711050.9 | 申请日： | 2018-07-03 |
| 公开（公告）号： | CN108921791A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 苏菲 | 申请（专利权）人： | 苏州中科启慧软件技术有限公司 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 215500 江苏省苏州市常熟*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 图像超分辨率 自适应 学习 网络体系结构 超分辨率 初始容量 图像像素 初始化 拟合 同化 改进 网络 | ||
【权利要求书】：
1.一种基于自适应重要性学习的轻量级图像超分辨率改进方法，其特征在于，包括以下具体步骤：
步骤一：建立一个学习范式，以最大化像素的拟合能力给定轻量级网络架构；
步骤二：将网络训练和重要性学习转化为联合优化问题，通过设计的重要补偿函数和求解凸优化问题来逐渐增加单个像素的重要性，训练过程从易于重构的像素开始，随着拟合的改进，逐渐进行到更复杂的像素，从而实现自适应重要性学习方案；
步骤三：提出的自适应重要性学习方案以教师重要性初始化的方式，从更强大的教师网络无缝地吸收知识，从而在网络中获得更好的初始容量；
步骤四：利用替代最小化方案，形成自适应重要性学习方案算法；
步骤五：提出自适应的SISR模型，通过在训练损失的基础上动态更新图像像素的重要性，训练由简至难的范例网络，也就是定制轻量级SISR模型。
2.根据权利要求1所述的基于自适应重要性学习的轻量级图像超分辨率改进方法，其特征在于，所述的SISR模型是由DCNN框架启发的，SISR模型的基本模块是卷积层，通过直接减少每个卷积层中的滤波器来定制轻量级网络，以固定比率来减少输出特征图的量。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州中科启慧软件技术有限公司，未经苏州中科启慧软件技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810711050.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：基于递归残差网络的超分辨率图像重建方法
- 下一篇：用于处理图片的方法和装置
