[发明专利]用于快速图像增强的基于机器学习的技术在审
| 申请号： | 201880028574.6 | 申请日： | 2018-06-25 |
| 公开（公告）号： | CN110612549A | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | J.陈;S.哈西诺夫;M.加比;J.巴伦 | 申请（专利权）人： | 谷歌有限责任公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00 |
| 代理公司： | 11105 北京市柳沈律师事务所 | 代理人： | 金玉洁 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络 初始图像 图像变换 移动设备 图像处理参数 输入图像 系数预测 图像传感器 再现图像 捕获 | ||
1.一种方法，包括：
在移动设备处接收多个图像处理参数；
使所述移动设备的图像传感器捕获初始图像；
在所述移动设备的系数预测神经网络处接收基于所述初始图像的输入图像；
基于所述输入图像和所述多个图像处理参数中的至少一部分使用所述系数预测神经网络来确定图像变换模型；
在所述移动设备的再现神经网络处接收所述初始图像和所述图像变换模型；以及
由所述再现神经网络根据所述图像变换模型基于所述初始图像生成再现图像。
2.如权利要求1所述的方法，进一步包括对所述初始图像进行下采样以提供所述输入图像，其中所述输入图像包括所述初始图像的下采样版本。
3.如权利要求2所述的方法，其中，所述输入图像包括沿着第一图像维度的不超过256个像素和沿着第二图像维度的不超过256个像素。
4.如权利要求1所述的方法，其中，所述图像变换模型包括变换数据集，其中所述变换数据集包括至少五个维度。
5.如权利要求4所述的方法，其中，所述变换数据集包括双边网格的仿射矩阵。
6.如权利要求4所述的方法，其中，所述变换数据集具有16×16×8×3×4个数据集的形式。
7.如权利要求1所述的方法，其中，生成所述再现图像至少部分地由在至少一个图形处理单元上运行的应用编程接口来执行。
8.如权利要求1所述的方法，进一步包括在所述移动设备的取景器上显示所述再现图像。
9.如权利要求1所述的方法，其中所述系数预测神经网络或所述再现神经网络中的至少一个可操作为执行Tensorflow推理运行时程序。
10.一种方法，包括：
在训练阶段期间：
在服务器处接收多个图像对，其中每个图像对的第一图像包括相应的初始训练图像，并且其中每个图像对的第二图像包括相应的输出训练图像；
由所述服务器基于所述多个图像对确定多个图像处理参数；以及
将所述多个图像处理参数传输到移动设备；并且
在预测阶段期间：
使所述移动设备的图像传感器捕获初始图像；
在所述移动设备的系数预测神经网络处接收基于所述初始图像的输入图像；
基于所述输入图像和所述多个图像处理参数中的至少一部分使用所述系数预测神经网络来确定图像变换模型；
在所述移动设备的再现神经网络处接收所述初始图像和所述图像变换模型；以及
由所述再现神经网络根据所述图像变换模型基于所述初始图像生成再现图像。
11.如权利要求10所述的方法，进一步包括对所述初始图像进行下采样以提供所述输入图像，其中，所述输入图像包括所述初始图像的下采样版本。
12.如权利要求11所述的方法，其中，所述输入图像包括沿着第一图像维度的不超过256个像素和沿着第二图像维度的不超过256个像素。
13.如权利要求10所述的方法，其中，所述图像变换模型包括变换数据集，其中所述变换数据集包括至少五个维度。
14.如权利要求13所述的方法，其中，所述变换数据集包括双边网格的仿射矩阵。
15.如权利要求13所述的方法，其中，所述变换数据集具有16×16×8×3×4个数据集的形式。
16.如权利要求10所述的方法，其中，生成再现图像至少部分地由在至少一个图形处理单元上运行的应用编程接口来执行，其中，所述应用编程接口包括用于嵌入式系统的OpenGL。
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谷歌有限责任公司，未经谷歌有限责任公司许可，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/201880028574.6/1.html，转载请声明来源钻瓜专利网。
