[发明专利]使用一个或更多个神经网络对图像进行上采样在审
申请号: | 202111301494.3 | 申请日: | 2021-11-04 |
公开(公告)号: | CN114549298A | 公开(公告)日: | 2022-05-27 |
发明(设计)人: | 刘诗秋;R·波托夫;A·陶;B·卡坦扎罗 | 申请(专利权)人: | 辉达公司 |
主分类号: | G06T3/40 | 分类号: | G06T3/40;G06T1/20;G06N3/08;G06N3/02 |
代理公司: | 北京市磐华律师事务所 11336 | 代理人: | 高伟 |
地址: | 美国加利*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 使用 一个 更多 神经网络 图像 进行 采样 | ||
1.一种处理器,包括:
一个或更多个电路,用于至少部分地基于一个或更多个图像序列训练一个或更多个神经网络,其中使用来自所述一个或更多个图像序列的一个或更多个图像子集执行反向传播。
2.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于为所述一个或更多个图像序列中的图像选择一个或更多个裁剪区域,以用于训练所述一个或更多个神经网络。
3.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于确定要用于训练所述一个或更多个空间网络的损失函数中的空间损失项和时间损失项的像素级权重。
4.根据权利要求3所述的处理器,其中所述一个或更多个电路进一步用于至少部分地基于在所述一个或更多个图像序列中的一个或更多个图像之间识别出的一个或更多个变化来确定所述像素级权重。
5.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于对所述一个或更多个图像序列中的初始图像应用较低的损失权重。
6.根据权利要求1所述的处理器,其中所述一个或更多个电路进一步用于训练所述一个或更多个神经网络,以对一个或更多个输入图像序列执行具有时间平滑的实时超分辨率图像重建。
7.一种系统,包括:
一个或更多个处理器,用于至少部分地基于一个或更多个图像序列训练一个或更多个神经网络,其中使用来自所述一个或更多个图像序列的一个或更多个图像子集执行反向传播。
8.根据权利要求7所述的系统,其中所述一个或更多个处理器进一步用于为所述一个或更多个图像序列中的图像选择一个或更多个裁剪区域,以用于训练所述一个或更多个神经网络。
9.根据权利要求7所述的系统,其中所述一个或更多个处理器进一步用于确定要用于训练所述一个或更多个空间网络的损失函数中的空间损失项和时间损失项的像素级权重。
10.根据权利要求9所述的系统,其中所述一个或更多个电路进一步用于至少部分地基于在所述一个或更多个图像序列中的一个或更多个图像之间识别出的一个或更多个变化来确定所述像素级权重。
11.根据权利要求7所述的系统,其中所述一个或更多个处理器进一步用于对所述一个或更多个图像序列中的初始图像应用较低的损失权重。
12.根据权利要求7所述的系统,其中所述一个或更多个处理器进一步用于训练所述一个或更多个神经网络,以对一个或更多个输入图像序列执行具有时间平滑的实时超分辨率图像重建。
13.一种方法,包括:
至少部分地基于一个或更多个图像序列训练一个或更多个神经网络,其中使用来自所述一个或更多个图像序列的一个或更多个图像子集执行反向传播。
14.根据权利要求13所述的方法,还包括:
为所述一个或更多个图像序列中的图像选择一个或更多个裁剪区域,以用于训练所述一个或更多个神经网络。
15.根据权利要求13所述的方法,还包括:
确定要用于训练所述一个或更多个空间网络的损失函数中的空间损失项和时间损失项的像素级权重。
16.根据权利要求15所述的方法,还包括:
至少部分地基于在所述一个或更多个图像序列中的一个或更多个图像之间识别出的一个或更多个变化来确定所述像素级权重。
17.根据权利要求13所述的方法,还包括:
对所述一个或更多个图像序列中的初始图像应用较低的损失权重。
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辉达公司,未经辉达公司许可,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/202111301494.3/1.html,转载请声明来源钻瓜专利网。