[发明专利]超分辨率卷积神经网络模型的构建方法在审
| 申请号： | 202011380940.X | 申请日： | 2020-11-30 |
| 公开（公告）号： | CN112381720A | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 刘明亮;王晓航 | 申请（专利权）人： | 黑龙江大学 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06N3/04;G06N3/08 |
| 代理公司： | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人： | 刘景祥 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 分辨率 卷积 神经网络 模型 构建 方法 | ||
1.一种超分辨率卷积神经网络模型的构建方法，其特征在于，所述构建方法包括以下步骤，
步骤1：利用5个残差块与亚像素卷积两种方法构建卷积神经网路模型；
步骤2：训练步骤1的卷积神经网路模型；使用100张1920x1080x3的图片进行训练，其中包含50张风景图和50张绘画，训练数据和验证数据为9:1，通过将图片缩小至640x360x3以得到卷积神经网路模型训练的输入，并将其输入至步骤1中构建的模型，原始1920x1080x3的图像做网络的Lable，保存最终训练好的卷积神经网路模型；
步骤3：部署步骤2已训练的卷积神经网路模型，实现图像的超分辨率功能。
2.根据权利要求1所述一种超分辨率卷积神经网络模型的构建方法，其特征在于，所述步骤3具体为，将步骤2训练好的卷积神经网路模型进行模型冻结、模型量化和模型编译。
3.根据权利要求2所述一种超分辨率卷积神经网络模型的构建方法，其特征在于，所述模型冻结体为，将模型计算图的定义和模型权重合并到同一个文件中。
4.根据权利要求2所述一种超分辨率卷积神经网络模型的构建方法，其特征在于，所述模型量化为，通过量化数据集对量化后的模型进行校正，通过脚本调用DNNDK工具包自带的decent_q工具能方便的量化模型。
5.根据权利要求2所述一种超分辨率卷积神经网络模型的构建方法，其特征在于，所述模型编译为，将量化后的模型编译成DPU能够运行的模型。
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黑龙江大学，未经黑龙江大学许可，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/202011380940.X/1.html，转载请声明来源钻瓜专利网。
