[發(fā)明專利]卷積神經(jīng)網(wǎng)絡(luò)生成方法、圖像去馬賽克方法及相關(guān)裝置有效
| 申請?zhí)枺?/td> | 201910229405.5 | 申請日: | 2019-03-25 |
| 公開(公告)號: | CN109978788B | 公開(公告)日: | 2020-11-27 |
| 發(fā)明(設(shè)計)人: | 劉鍵濤;周凡;張長定;林奇;李駢臻 | 申請(專利權(quán))人: | 廈門美圖之家科技有限公司 |
| 主分類號: | G06T5/00 | 分類號: | G06T5/00;G06T5/50;G06N3/04 |
| 代理公司: | 北京思睿峰知識產(chǎn)權(quán)代理有限公司 11396 | 代理人: | 謝建云;張贊 |
| 地址: | 361008 福建省廈門*** | 國省代碼: | 福建;35 |
| 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: | 卷積 神經(jīng)網(wǎng)絡(luò) 生成 方法 圖像 馬賽克 相關(guān) 裝置 | ||
1.一種用于對圖像進行去馬賽克處理的卷積神經(jīng)網(wǎng)絡(luò)生成方法,適于在計算設(shè)備中執(zhí)行,所述方法包括步驟:
構(gòu)建卷積塊,所述卷積塊包括第一卷積層;
分別構(gòu)建下采樣層、通道分離層、上采樣層和第二卷積層;
按照預(yù)設(shè)的連接規(guī)則,將一個或多個卷積塊、下采樣層、通道分離層、上采樣層和第二卷積層進行相連,以生成卷積神經(jīng)網(wǎng)絡(luò),所述卷積神經(jīng)網(wǎng)絡(luò)以下采樣層和通道分離層為輸入,以第二卷積層為輸出;
根據(jù)預(yù)先獲取的圖像數(shù)據(jù)集合,對所述卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,以便所述卷積神經(jīng)網(wǎng)絡(luò)的輸出指示輸入圖像去馬賽克后對應(yīng)的圖像,所述圖像數(shù)據(jù)集合包括多個圖像組,每個圖像組包括原始圖像和其所對應(yīng)的拜爾域馬賽克圖像,
其中,所述按照預(yù)設(shè)的連接規(guī)則,將一個或多個卷積塊、下采樣層、通道分離層、上采樣層和第二卷積層進行相連,以生成卷積神經(jīng)網(wǎng)絡(luò)的步驟包括:將所述下采樣層、一個或多個卷積塊和所述上采樣層依次相連;將所述通道分離層和所述上采樣層的輸出拼接后,作為所述第二卷積層的輸入,以生成以所述下采樣層和所述通道分離層為輸入、以所述第二卷積層為輸出的卷積神經(jīng)網(wǎng)絡(luò)。
2.如權(quán)利要求1所述的方法,其中,所述構(gòu)建卷積塊的步驟還包括:
構(gòu)建激活層;
在所述第一卷積層之后添加所述激活層,以形成卷積塊。
3.如權(quán)利要求2所述的方法,其中,所述下采樣層用于按照預(yù)設(shè)的第一通道數(shù)對輸入圖像進行通道分離處理,并對分離出的第一通道數(shù)張?zhí)卣鲌D進行下采樣。
4.如權(quán)利要求3所述的方法,其中,所述第一通道數(shù)為4。
5.如權(quán)利要求4所述的方法,其中,所述通道分離層用于對輸入圖像按照預(yù)設(shè)的第二通道數(shù)進行通道分離處理,以獲取第二通道數(shù)張?zhí)卣鲌D。
6.如權(quán)利要求5所述的方法,其中,所述第二通道數(shù)為3。
7.如權(quán)利要求6所述的方法,其中,所述卷積塊的數(shù)量為10。
8.如權(quán)利要求7所述的方法,其中,所述根據(jù)預(yù)先獲取的圖像數(shù)據(jù)集合,對所述卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練的步驟包括:
對所述圖像數(shù)據(jù)集合中每一個圖像組,以所述圖像組包括的拜爾域馬賽克圖像為所述下采樣層和所述通道分離層的輸入,以所述圖像組包括的原始圖像為所述第二卷積層的輸出,對所述卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。
9.如權(quán)利要求1-8中任一項所述的方法,其中,還包括預(yù)先生成圖像數(shù)據(jù)集合,所述預(yù)先生成圖像數(shù)據(jù)集合的步驟包括:
對每一張待處理圖片進行圖像預(yù)處理,以獲取各待處理圖片對應(yīng)的、滿足預(yù)設(shè)尺寸的原始圖像;
對每一張原始圖像,將所述原始圖像進行拜爾轉(zhuǎn)換處理,以生成對應(yīng)的拜爾域馬賽克圖像;
將所述原始圖像與所述拜爾域馬賽克圖像關(guān)聯(lián),形成圖像組;
匯集各圖像組,以形成圖像數(shù)據(jù)集合。
10.一種圖像去馬賽克方法,適于在計算設(shè)備中執(zhí)行,所述方法基于權(quán)利要求1-9中任一項所述的訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對圖像進行去馬賽克處理,包括步驟:
對待處理的拜爾域原圖進行切割,以形成一個或多個滿足預(yù)設(shè)尺寸的圖像塊;
對每一個圖像塊,將所述圖像塊輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中進行去馬賽克處理;
獲取所述訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中第二卷積層輸出的圖像;
將各輸出的圖像按序拼接,以形成與所述拜爾域原圖對應(yīng)的去馬賽克完成圖。
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)利屬于廈門美圖之家科技有限公司,未經(jīng)廈門美圖之家科技有限公司許可,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/201910229405.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





