[發(fā)明專利]基于深度學(xué)習(xí)的去除馬賽克的方法、裝置及電子設(shè)備有效
| 申請?zhí)枺?/td> | 201811193895.X | 申請日: | 2018-10-15 |
| 公開(公告)號: | CN109410123B | 公開(公告)日: | 2023-08-18 |
| 發(fā)明(設(shè)計)人: | 陳苗 | 申請(專利權(quán))人: | 深圳市能信安科技股份有限公司 |
| 主分類號: | G06T3/40 | 分類號: | G06T3/40 |
| 代理公司: | 北京圣達博通知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11675 | 代理人: | 馬皓 |
| 地址: | 518109 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 去除 馬賽克 方法 裝置 電子設(shè)備 | ||
1.基于深度學(xué)習(xí)的去除馬賽克的方法,其特征在于,包括:
獲取待修復(fù)圖像,所述待修復(fù)圖像中包括待修復(fù)馬賽克區(qū)域;
將所述待修復(fù)圖像輸入至圖像修復(fù)模型中,通過所述圖像修復(fù)模型生成與所述待修復(fù)圖像對應(yīng)的被掩碼masked圖像;
其中,與所述待修復(fù)圖像對應(yīng)的masked圖像滿足:與所述待修復(fù)圖像大小相同,圖像中的掩碼mask區(qū)域重疊或覆蓋所述待修復(fù)馬賽克區(qū)域,圖像中的mask區(qū)域的像素值為設(shè)定值,圖像中除mask區(qū)域之外的區(qū)域的像素值為所述待修復(fù)圖像中相應(yīng)區(qū)域的像素值;
通過所述圖像修復(fù)模型對所述masked圖像進行修復(fù),得到修復(fù)后的圖像;
其中,所述圖像修復(fù)模型是通過以下方式訓(xùn)練得到的:
獲取圖像數(shù)據(jù)集,并將所述圖像數(shù)據(jù)集隨機劃分為訓(xùn)練數(shù)據(jù)集和驗證數(shù)據(jù)集,其中,所述訓(xùn)練數(shù)據(jù)集中的訓(xùn)練圖像是沒有馬賽克區(qū)域的原圖像;
基于所述訓(xùn)練數(shù)據(jù)集中的訓(xùn)練圖像對待訓(xùn)練圖像修復(fù)模型進行訓(xùn)練,基于所述驗證數(shù)據(jù)集中的驗證圖像對訓(xùn)練后的圖像修復(fù)模型進行驗證,直至訓(xùn)練后的圖像修復(fù)模型收斂且驗證結(jié)果滿足預(yù)設(shè)條件,將訓(xùn)練后的圖像修復(fù)模型確定為所述圖像修復(fù)模型,其中,訓(xùn)練的過程包括:
將訓(xùn)練數(shù)據(jù)集中的訓(xùn)練圖像輸入到待訓(xùn)練圖像修復(fù)模型中,通過所述待訓(xùn)練圖像修復(fù)模型生成與訓(xùn)練圖像對應(yīng)的帶mask區(qū)域的masked圖像;
通過所述待訓(xùn)練圖像修復(fù)模型對訓(xùn)練圖像對應(yīng)的masked圖像進行修復(fù),得到修復(fù)后的圖像;
基于訓(xùn)練數(shù)據(jù)集中的訓(xùn)練圖像和訓(xùn)練圖像對應(yīng)的修復(fù)后的圖像之間的相似度,確定訓(xùn)練后的圖像修復(fù)模型是否收斂。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述通過所述圖像修復(fù)模型生成與所述待修復(fù)圖像對應(yīng)的被掩碼masked圖像,包括:
通過所述圖像修復(fù)模型檢測所述待修復(fù)圖像中的所述待修復(fù)馬賽克區(qū)域;
根據(jù)檢測出的所述待修復(fù)馬賽克區(qū)域,生成與所述待修復(fù)圖像對應(yīng)的mask圖像;
根據(jù)所述待修復(fù)圖像,以及與所述待修復(fù)圖像對應(yīng)的所述mask圖像,生成與所述待修復(fù)圖像對應(yīng)的masked圖像;
其中,與任一圖像對應(yīng)的mask圖像滿足:
與所述任一圖像大小相同,圖像中的mask區(qū)域的像素值根據(jù)所述設(shè)定值確定,圖像中除mask區(qū)域之外的區(qū)域為黑色。
3.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述設(shè)定值為白色所對應(yīng)的像素值。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述基于所述驗證數(shù)據(jù)集中的驗證圖像對訓(xùn)練后的圖像修復(fù)模型進行驗證,包括:
將所述驗證圖像輸入至所述收斂的圖像修復(fù)模型中,通過所述收斂的圖像修復(fù)模型生成與所述驗證圖像對應(yīng)的masked圖像;
基于所述驗證圖像,以及所述驗證圖像對應(yīng)的masked圖像,對所述收斂的圖像修復(fù)模型進行驗證;
其中,與所述訓(xùn)練圖像或所述驗證圖像對應(yīng)的masked圖像滿足:
與所述訓(xùn)練圖像或所述驗證圖像大小相同,圖像中的mask區(qū)域的像素值為所述設(shè)定值,圖像中除mask區(qū)域之外的區(qū)域的像素值為所述訓(xùn)練圖像或所述驗證圖像中對應(yīng)區(qū)域的像素值。
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,通過所述待訓(xùn)練圖像修復(fù)模型生成與所述訓(xùn)練圖像對應(yīng)的masked圖像,包括:
由所述待訓(xùn)練圖像修復(fù)模型生成與所述訓(xùn)練圖像對應(yīng)的mask圖像;
根據(jù)所述訓(xùn)練圖像,以及與所述訓(xùn)練圖像對應(yīng)的mask圖像,生成與所述訓(xùn)練圖像對應(yīng)的masked圖像。
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述訓(xùn)練數(shù)據(jù)集中的訓(xùn)練圖像對待訓(xùn)練圖像修復(fù)模型進行訓(xùn)練之前,所述方法還包括:
將所述圖像數(shù)據(jù)集中的圖像轉(zhuǎn)換成設(shè)定大小;
所述通過所述圖像修復(fù)模型生成與所述待修復(fù)圖像對應(yīng)的被掩碼masked圖像之前,包括:
將所述待修復(fù)圖像轉(zhuǎn)換成所述設(shè)定大小。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳市能信安科技股份有限公司,未經(jīng)深圳市能信安科技股份有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201811193895.X/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進式學(xué)習(xí)管理方法及漸進式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





