[發明專利]一種基于嶺回歸的GAN圖像增強交互處理方法及系統

有效

• 申請號: 201910363845.X
• 申請日: 2019-04-30
• 公開（公告）號: CN110610458B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 馬楠;吳祉璇
• 申請（專利權）人: 北京聯合大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06V10/774;G06V10/84;G06F17/14
• 代理公司: 北京馳納南熙知識產權代理有限公司 11999
• 代理人: 李佳佳

1.一種基于嶺回歸的GAN圖像增強交互處理方法，包括訓練數據集步驟和測試數據集步驟，其特征在于，所述訓練步驟包括以下子步驟：

步驟01：使用VGG功能從圖像中提取CNN特征；

步驟02：激活層使用ReLU函數將提取的CNN特征輸入GAN網絡中；

步驟03：在激活層后進行歸一化處理，并運用嶺回歸方法處理圖像交互過程中的過擬合現象；

步驟04：使用剩余殘差密集塊子模塊減緩梯度消失并獲取圖像特征信息；

步驟05：使用自回歸條件異方差模型子模塊提取圖片特征和元組以及對圖片進行超分辨率重建；

步驟06：使用空間特征變換對抗網絡、生成超分辨率和對抗生成網絡中至少一種方法提高生成樣本的能力。

2.如權利要求1所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述VGG的結構由5層卷積層、3層全連接層、softmax輸出層構成，層與層之間使用最大池化分開。

3.如權利要求2所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所有隱層的激活單元都采用ReLU函數。

4.如權利要求1所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述嶺回歸方法用于處理批處理規范變換和實例處理規范遺留下的過擬合現象，采用梯度下降法進行求解。

5.如權利要求1所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述剩余殘差密集塊子模塊包括殘差網絡塊、卷積層和密集連接。

6.如權利要求5所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述殘差網絡塊包含shortcut連接子模塊，利用F(x)+x公式跳過難以優化的層。

7.如權利要求5所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述卷積層是利用3個卷積核進行5層卷積，并由LeakyReLU函數和貝葉斯獲取圖像特征信息。

8.如權利要求1所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述自回歸條件異方差模型子模塊用于使用稀疏傅里葉變換算法和語義分割網絡對圖片特征進行提取、超分辨率進行重建。

9.如權利要求8所述的基于嶺回歸的GAN圖像增強交互處理方法，其特征在于，所述自回歸條件異方差模型子模塊包括空間特征變換層、深度殘差分模塊和空間特征變換網絡。

10.一種基于嶺回歸的GAN圖像增強交互處理系統，包括訓練模塊和測試模塊,

其特征在于，所述訓練模塊包括以下子模塊：

特征提取子模塊：用于使用VGG功能從圖像中提取CNN特征；

激活函數激活子模塊：用于激活層使用ReLU函數將提取的CNN特征輸入GAN網絡中；

歸一化處理子模塊：用于在激活層后進行歸一化處理，并運用嶺回歸處理圖像交互過程中的過擬合現象；

剩余殘差密集塊子模塊：用于減緩梯度消失并獲取圖像特征信息；

自回歸條件異方差模型子模塊：用于提取圖片特征和元組以及對圖片進行超分辨率重建；

基本子模塊：用于使用空間特征變換對抗網絡、生成超分辨率和對抗生成網絡中至少一種方法提高生成樣本的能力。