[發明專利]用于真實世界超分辨率的訓練網絡的系統和方法

在審

• 申請號: 202110371002.1
• 申請日: 2021-04-07
• 公開（公告）號: CN113496466A
• 公開（公告）日: 2021-10-12
• 發明（設計）人: A.赫拉德曼德;任昊宇;M.埃爾-哈米;S.王;裵東運;李正元
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邵亞麗

1.一種用于訓練網絡的方法，包括：

生成用于真實世界超分辨率SR的數據集；

訓練第一生成對抗網絡GAN；

訓練第二GAN；以及

融合所述第一GAN的輸出和所述第二GAN的輸出。

2.根據權利要求1所述的方法，其中，生成所述數據集包括：

通過通用退化模型將低質量圖像下采樣為低分辨率LR圖像；以及

直接使用與所述LR圖像相對應的高質量圖像作為高分辨率HR圖像。

3.根據權利要求1所述的方法，其中，生成所述數據集包括：

直接使用低質量圖像作為低分辨率LR圖像；以及

從所述低質量圖像超分辨率化出高質量圖像，以用作高分辨率HR圖像。

4.根據權利要求1所述的方法，其中，所述第一GAN是使用標準鑒別器來訓練的。

5.根據權利要求4所述的方法，其中，所述第二GAN是使用相對鑒別器來訓練的。

6.根據權利要求1所述的方法，其中，所述第一GAN和所述第二GAN是使用殘差通道關注網絡RCAN來訓練的。

7.根據權利要求6所述的方法，其中，所述RCAN是基于殘差中殘差RIR結構中的殘差的。

8.根據權利要求1所述的方法，其中，所述第一GAN和所述第二GAN包括增強型SR GAN(ESRGAN)。

9.根據權利要求1所述的方法，其中，所述第一GAN的輸出和所述第二GAN的輸出根據照明閾值來融合。

10.根據權利要求9所述的方法，其中，所述第二GAN使用相對鑒別器來訓練，并且

其中，當所述第二GAN的輸出的照明水平低于所述照明閾值時，所述第一GAN的輸出和所述第二GAN的輸出被融合。

11.一種用于訓練網絡的裝置，包括：

一個或多個非暫時性計算機可讀介質；以及

至少一個處理器，當執行存儲在所述一個或多個非暫時性計算機可讀介質上的指令時，所述至少一個處理器執行以下步驟：

生成用于真實世界超分辨率SR的數據集；

訓練第一生成對抗網絡GAN；

訓練第二GAN；以及

融合所述第一GAN的輸出和所述第二GAN的輸出。

12.根據權利要求11所述的裝置，其中，生成所述數據集包括：

通過通用退化模型將低質量圖像下采樣為低分辨率LR圖像；以及

直接使用與所述LR圖像相對應的高質量圖像作為高分辨率HR圖像。

13.根據權利要求11所述的裝置，其中，生成所述數據集包括：

直接使用低質量圖像作為低分辨率LR圖像；以及

從所述低質量圖像超分辨率化出高質量圖像以用作高分辨率HR圖像。

14.根據權利要求11所述的裝置，其中，所述第一GAN是使用標準鑒別器來訓練的。

15.根據權利要求14所述的裝置，其中，所述第二GAN是使用相對鑒別器來訓練的。

16.根據權利要求11所述的裝置，其中，所述第一GAN和所述第二GAN是使用殘差通道關注網絡RCAN來訓練的。

17.根據權利要求16所述的裝置，其中，所述RCAN是基于殘差中殘差RIR結構中的殘差的。

18.根據權利要求11所述的裝置，其中，所述第一GAN和所述第二GAN包括增強型SR GAN(ESRGAN)。