[發明專利]電子裝置及其控制方法

有效

• 申請號: 202010112631.8
• 申請日: 2020-02-24
• 公開（公告）號: CN112399120B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 趙仁相;俞基源;李元宰;趙大星;黃贊榮
• 申請（專利權）人: 三星電子株式會社
• 主分類號: H04N7/01
• 分類號: H04N7/01;G06N3/0464;G06N3/044
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 吳曉兵

公開了一種電子裝置。該電子裝置包括：存儲器，被配置為存儲與包括多個層的人工智能模型有關的信息；以及處理器，被配置為對輸入圖像執行插值處理，并且使用人工智能模型對插值后的圖像進行處理以獲得輸出圖像，其中，處理器被配置為基于需要對在所述多個層中的至少一個層中使用的參數進行更新而以第一模式或第二模式進行操作，第一模式包括基于使用人工智能模型所處理的圖像并基于插值后的圖像來獲得輸出圖像的模式，其中在人工智能模型中所述參數被更新，并且第二模式包括基于插值后的圖像來獲得輸出圖像的模式。

技術領域

本公開涉及電子裝置及其控制方法。例如，涉及使用人工智能模型來執行圖像處理的電子裝置及其控制方法。

背景技術

隨著電子技術的發展，已經開發并推廣了各種類型的電子裝置。具體地，在諸如家庭、辦公室、公共場所等各種場所使用的顯示裝置近年來日益發展。

近來，對高分辨率圖像服務的需求已經大大增加。響應于這樣的需求，諸如超分辨率和樣式轉移的基于深度學習的技術已經用于圖像處理。

超分辨率可以是指例如對輸入的低分辨率圖像執行一系列媒體處理以重構(或構造)高分辨率圖像的技術。例如，可以通過使用包括多個層的基于深度學習的卷積神經網絡(CNN)模型在水平方向和豎直方向上縮放輸入的較低分辨率圖像來重構高分辨率圖像。

然而，包括在CNN模型中的多個層中的每個層具有大量參數(或加權值)，因此難以在不停止計算的情況下更新參數，并且在更新期間可能在輸出圖像中出現偽像。

發明內容

本公開的實施例解決了上述缺點和上面沒有描述的其他缺點。

根據本公開的示例實施例，一種電子裝置包括：存儲器，被配置為存儲與包括多個層的人工智能模型有關的信息；以及處理器，被配置為對輸入圖像執行插值處理，并且使用所述人工智能模型對插值后的圖像進行處理以獲得輸出圖像，其中，所述處理器被配置為在需要對在所述多個層中的至少一個層中使用的參數進行更新的情況下以第一模式或第二模式進行操作，所述第一模式包括基于使用所述人工智能模型所處理的圖像并基于所述插值后的圖像來獲得所述輸出圖像的模式，其中在所述人工智能模型中所述參數被更新，并且所述第二模式包括基于所述插值后的圖像來獲得所述輸出圖像的模式。

根據本公開的另一示例實施例，一種控制包括存儲器的電子裝置的方法，在所述存儲器中存儲有與包括多個層的人工智能模型有關的信息，所述方法包括：對輸入圖像執行插值處理；以及在需要對在所述多個層中的至少一個層中使用的參數進行更新的情況下基于第一模式或第二模式獲得輸出圖像，其中，所述第一模式包括基于通過使用所述人工智能模型處理插值后的圖像而獲得的圖像、以及所述插值后的圖像來獲得所述輸出圖像的模式，其中在所述人工智能模型中所述參數被更新，并且所述第二模式包括基于所述插值后的圖像來獲得所述輸出圖像的模式。

根據本公開的另一示例實施例，一種存儲計算機指令的非暫時性計算機可讀介質，所述計算機指令在由存儲有與包括多個層的人工智能模型有關的信息的電子裝置的處理器執行時，使得所述電子裝置執行操作，所述操作包括：對輸入圖像執行插值處理；以及在需要對在所述多個層中的至少一個層中使用的參數進行更新的情況下基于第一模式或第二模式獲得輸出圖像，其中，所述第一模式包括基于通過使用所述人工智能模型處理插值后的圖像而獲得的圖像、以及所述插值后的圖像來獲得所述輸出圖像的模式，其中在所述人工智能模型中所述參數被更新，并且所述第二模式包括基于所述插值后的圖像來獲得所述輸出圖像的模式。

本公開的附加和/或其他方面和優點將部分地在以下描述中進行闡述，并且根據描述將部分地變得清楚，或者可以通過本公開的實踐來獲悉。

附圖說明

從下面結合附圖的詳細描述中，本公開的某些實施例的以上和其他方面、特征和優點將更加清楚，在附圖中：

圖1A是示出根據本公開的實施例的電子裝置的示例性圖像處理操作的示圖；