[发明专利]用于卷积神经网络的处理方法和系统、和存储介质有效
| 申请号： | 201710318147.9 | 申请日： | 2017-05-08 |
| 公开（公告）号： | CN107122826B | 公开（公告）日： | 2019-04-23 |
| 发明（设计）人： | 那彦波;刘瀚文 | 申请（专利权）人： | 京东方科技集团股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 北京市柳沈律师事务所 11105 | 代理人： | 万里晴 |
| 地址： | 100015 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 提供用于卷积神经网络的处理方法、系统和计算机可读介质，该方法包括：步骤1，用从高分辨率彩色图像中提取的低分辨率彩色图像、和噪声图像作为输入图像以通过减小生成器成本函数来训练生成器网络的参数，生成器网络包括提升层以对输入图像的亮度分量和色度分量提升分辨率，生成器成本函数表示生成器网络的输出图像与高分辨率彩色图像之间的差异的程度，且基于鉴别器网络的参数；步骤2，用训练后的生成器网络的输出图像和高分辨率彩色图像分别输入到鉴别器网络以通过减小鉴别器成本函数来训练鉴别器网络的参数，鉴别器网络包括池化层以降低分辨率，鉴别器成本函数表示生成器网络的输出图像与高分辨率彩色图像对应的程度；重复步骤1和步骤2。 | ||
| 搜索关键词： | 用于 卷积 神经网络 处理 方法 系统 存储 介质 | ||
【主权项】：
1.一种用于卷积神经网络的处理方法，包括如下步骤：生成器训练步骤，用从高分辨率彩色图像中提取的低分辨率彩色图像、和噪声图像作为输入图像以通过减小生成器成本函数来训练生成器网络的参数，以使得所述生成器网络的输出图像与所述高分辨率彩色图像的差异减小，其中所述生成器网络包括提升层以对输入图像的亮度分量和色度分量提升分辨率，所述生成器成本函数表示所述生成器网络的输出图像与所述高分辨率彩色图像之间的差异的程度，且基于鉴别器网络的参数；鉴别器训练步骤，用所述训练后的生成器网络的输出图像和所述高分辨率彩色图像分别输入到鉴别器网络以通过减小鉴别器成本函数来训练所述鉴别器网络的参数，使得鉴别器网络的输出指示所述鉴别器网络的输入是所述训练后的生成器网络的输出图像还是所述高分辨率彩色图像的指标，其中所述鉴别器网络包括池化层以降低分辨率，所述鉴别器成本函数表示所述生成器网络的输出图像与所述高分辨率彩色图像对应的程度；用不同的低分辨率彩色图像和噪声图像来交替进行所述生成器训练步骤和所述鉴别器训练步骤以通过最小化所述生成器成本函数和所述鉴别器成本函数来得到最终的生成器网络的参数和鉴别器网络的参数。
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京东方科技集团股份有限公司，未经京东方科技集团股份有限公司许可，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/patent/201710318147.9/，转载请声明来源钻瓜专利网。
