[發明專利]可快速獲取多種自然退化圖像復原模型的遷移學習方法

有效

• 申請號: 202110529381.2
• 申請日: 2021-05-14
• 公開（公告）號: CN113450267B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 馬峻;尹翔宇;陳壽宏;徐翠鋒;郭玲
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 桂林文必達專利代理事務所(特殊普通合伙) 45134
• 代理人: 張學平

1.一種可快速獲取多種自然退化圖像復原模型的遷移學習方法，其特征在于，包括如下步驟：

人工合成自然退化圖像通用數據集，具體包括利用現有的RGB-D數據集，根據退化圖像生成模型和隨機模型參數，人工合成包含自然退化現象的退化圖像數據集；其中所述RGB-D數據集由清晰圖像數據集及其深度信息構成；所述自然退化圖像通用數據集能夠模擬包括霧霾、煙霧、水下、雨雪在內的多種自然現象導致的退化圖像中共有的退化表現；

利用所述自然退化圖像通用數據集對深度卷積神經網絡進行預訓練，得到通用復原模型；

采用特定退化現象的數據集對所述通用復原模型進行遷移學習，并對其部分卷積層參數進行微調訓練，得到該種特定自然退化現象的復原模型。

2.如權利要求1所述的可快速獲取多種自然退化圖像復原模型的遷移學習方法，其特征在于，利用所述自然退化圖像通用數據集對深度卷積神經網絡進行預訓練，具體為：

利用所述人工合成的自然退化圖像數據集對適用于圖像轉換任務的深度卷積神經網絡進行端到端地預訓練。

3.如權利要求2所述的可快速獲取多種自然退化圖像復原模型的遷移學習方法，其特征在于，

經過預訓練的深度卷積神經網絡用于復原各種自然現象導致的退化圖像中共有的退化表現，所述退化表現包括霧狀模糊和光線散射現象。

4.如權利要求3所述的可快速獲取多種自然退化圖像復原模型的遷移學習方法，其特征在于，采用對應特定退化現象的數據集對所述通用復原模型進行遷移學習，具體為：

所述特定退化現象的數據集為根據實際應用需要，選擇霧圖數據集、水下圖像數據集、雪天圖像數據集、雨中圖像數據集、煙霧圖像數據集中的一種。

5.如權利要求4所述的可快速獲取多種自然退化圖像復原模型的遷移學習方法，其特征在于，

對所述通用復原模型進行遷移學習為對模型中的部分卷積層進行小學習率的微調訓練，通過微調訓練，網絡模型具備快速學習復原特定自然退化現象的能力。