[发明专利]图像超分辨率方法、电子装置及芯片

说明书

本申请实施例公开了一种图像超分辨率方法、电子装置及芯片，该图像超分辨率方法包括：基于训练数据集分别训练初始上采样模块和初始下采样模块，获得目标上采样模块和目标下采样模块；通过目标上采样模块和目标下采样模块的堆叠处理，构建初始模型；基于训练数据集训练初始模型，获得图像超分辨率模型；利用图像超分辨率模型对待处理图像进行图像超分辨率处理，获得待处理图像对应的超分辨率图像。

技术领域

本发明涉及虚拟现实技术领域，尤其涉及一种图像超分辨率方法、电子装置及芯片。

背景技术

图像超分辨率技术相对于传统的图像插值算法，往往能够提供更大的变焦倍数以及更好的图像质量，近年来已经被广泛采用。

目前，常常采用神经网络结构搜索(Neural Architecture Search，NAS)、可微分的神经网络自动搜索(Differentiable Architecture Search，DARTS)等技术构建用于实现图像超分辨率的网络结构。

然而，由于架构参数权重之间差异不明显，不能合理进行不同算子的取舍，进而不能获得理想的网络结构，降低了图像超分辨的图像效果。

发明内容

本申请实施例提供了一种图像超分辨率方法、电子装置及芯片，能够获得更为理想的网络结构，从而在进行图像超分辨时实现更好的图像效果。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供了一种图像超分辨率方法，所述方法包括：

基于训练数据集分别训练初始上采样模块和初始下采样模块，获得目标上采样模块和目标下采样模块；

通过所述目标上采样模块和所述目标下采样模块的堆叠处理，构建初始模型；

基于所述训练数据集训练所述初始模型，获得图像超分辨率模型；

利用所述图像超分辨率模型对待处理图像进行图像超分辨率处理，获得所述待处理图像对应的超分辨率图像。

第二方面，本申请实施例提供了一种电子装置，所述电子装置包括：获取单元，构建单元，

所述获取单元，用于基于训练数据集分别训练初始上采样模块和初始下采样模块，获得目标上采样模块和目标下采样模块；

所述构建单元，用于通过所述目标上采样模块和所述目标下采样模块的堆叠处理，构建初始模型；

所述获取单元，还用于基于所述训练数据集训练所述初始模型，获得图像超分辨率模型；利用所述图像超分辨率模型对待处理图像进行图像超分辨率处理，获得所述待处理图像对应的超分辨率图像。

第三方面，本申请实施例提供了一种电子装置，所述电子装置包括处理器、存储有所述处理器可执行指令的存储器，当所述指令被所述处理器执行时，实现如上所述的图像超分辨率方法。

第四方面，本申请实施例提供了一种芯片，所述芯片包括可编程逻辑电路和/或程序指令，当所述芯片运行时，实现如上所述的图像超分辨率方法。

本申请实施例提供了一种图像超分辨率方法、电子装置及芯片，电子装置基于训练数据集分别训练初始上采样模块和初始下采样模块，获得目标上采样模块和目标下采样模块；通过目标上采样模块和目标下采样模块的堆叠处理，构建初始模型；基于训练数据集训练初始模型，获得图像超分辨率模型；利用图像超分辨率模型对待处理图像进行图像超分辨率处理，获得待处理图像对应的超分辨率图像。由此可见，在本申请的实施例中，可以根据架构参数的演变趋势图对搜索空间中的算子进行取舍，从而实现上采样模块和下采样模块的自动搜索，进而可以通过上采样模块和下采样模块的堆叠处理获得效果更好的、实现图像超分辨率的网络结构，以在进行图像超分辨时实现更好的图像效果。

附图说明