[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡的立體圖像舒適度評價方法在審
| 申請?zhí)枺?/td> | 201810143049.0 | 申請日: | 2018-02-11 |
| 公開(公告)號: | CN108389192A | 公開(公告)日: | 2018-08-10 |
| 發(fā)明(設計)人: | 李素梅;秦龍斌;朱兆琪;侯春萍 | 申請(專利權)人: | 天津大學 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06N3/04;G06N3/08 |
| 代理公司: | 天津市北洋有限責任專利代理事務所 12201 | 代理人: | 劉國威 |
| 地址: | 300072*** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 立體圖像 卷積神經(jīng)網(wǎng)絡 舒適度評價 舒適度 圖像 圖像處理領域 模擬人類 評價分數(shù) 權重系數(shù) 人眼視覺 圖像處理 整體圖像 視差圖 圖像塊 右視圖 左視圖 擬合 感知 加權 主觀 預測 應用 網(wǎng)絡 | ||
1.一種基于卷積神經(jīng)網(wǎng)絡的立體圖像舒適度評價方法,其特征是,將立體圖像的左視圖、右視圖和視差圖的信息合成為一幅圖像作為網(wǎng)絡的輸入,通過卷積神經(jīng)網(wǎng)絡模擬人類感知來對所得圖像進行處理,經(jīng)訓練得到權重系數(shù),最后利用人眼視覺顯著特性將圖像塊舒適值加權作為整體圖像的舒適度值。
2.如權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的立體圖像舒適度評價方法,其特征是,卷積神經(jīng)網(wǎng)絡采用ReLU激活函數(shù)解決梯度消失的問題,ReLU激活函數(shù)計算公式,如公式1:
f(x)=max(0,x) (1)
公式中x為函數(shù)的輸入值,ReLU函數(shù)就是保留結果中的正數(shù)。
3.如權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的立體圖像舒適度評價方法,其特征是,卷積神經(jīng)網(wǎng)絡采用局部響應歸一化LRN(Local Response Normalization)模仿生物神經(jīng)元的側(cè)抑制效應,側(cè)抑制效應指的是被激活的神經(jīng)元抑制相鄰神經(jīng)元,局部響應歸一化層的響應歸一化激活函數(shù)如公式2:
分子表示第i個核在位置(x,y)運用ReLU激活函數(shù)的輸出,分母為選取左右臨近的n個卷積核,將它們在同一位置上卷積的結果進行求和,N為核的總數(shù),k,n,α,β是常量,這些參數(shù)的值由實驗設定。
4.如權利要求1所述的基于卷積神經(jīng)網(wǎng)絡的立體圖像舒適度評價方法,其特征是,利用人眼視覺顯著特性將圖像塊舒適值加權作為整體圖像的舒適度值具體是,采用具有各向異性的高斯核函數(shù)模擬注意力由中央向四周擴散的中央偏移CB因子:
CB(x,y)表示像素點(x,y)對中心點(x0,y0)的偏移信息,(x0,y0)表示失真右視點的中心點坐標,(x,y)為像素點坐標,σh和σv分別表示圖像水平方向和垂直方向的標準差;
歸一化CB(x,y)得到圖像對應的權值矩陣CBnormal(x,y),如公式(4),其中M和N為圖像的長和寬,(x,y)為圖像的像素坐標;
將歸一化的權值矩陣按原始圖像分塊的方式進行分塊處理并求和得到塊歸一化權值CBnormal(i),加入公式(5):
整幅圖像共分為T個圖像塊,CBnormal(i)為第i個圖像塊的權值,valueblock(i)為網(wǎng)絡預測出的第i個圖像塊的舒適度值,則整幅圖像的舒適度值value的計算如公式(5)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于天津大學,未經(jīng)天津大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810143049.0/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 終端卷積神經(jīng)網(wǎng)絡的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡的處理方法、裝置、設備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡的訓練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡的方法
- 卷積神經(jīng)網(wǎng)絡處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡的目標檢測方法及檢測裝置





