[發明專利]一種基于變分推斷的深度去噪模型的方法及系統

在審

• 申請號: 202110570237.3
• 申請日: 2021-05-25
• 公開（公告）號: CN113283440A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 俞建東
• 申請（專利權）人: 寧波檸清信息科技有限公司
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于變分推斷的深度去噪模型的方法，其特征在于，包括步驟：

S1：獲取帶噪圖片的數據集，并對帶噪圖片的數據集進行預設處理；

S2：構建變分去噪網絡的概率模型；

S3：根據梯度下降求解，并對概率模型進行訓練；

S4：通過驗證集對步驟S3中得到的訓練集概率模型進行驗證，得到變分深度模型；

S5：將步驟S4中驗證后得到的變分深度模型部署在服務器端，用于真實場景的圖片去噪；

S6：根據數據的分布特征對模型進行更新。

2.根據權利要求1所述的基于變分推斷的深度去噪模型的方法，其特征在于，所述步驟S1包括：

S11：帶噪圖片的數據集：

其中，y_j表示帶噪圖片，x_j表示去噪圖片，n表示訓練圖片的數量；

S12：對中的圖片進行預設處理，將數據集按照比例切分為訓練集和驗證集，訓練集用于模型訓練，驗證集用于模型選取。

3.根據權利要求1所述的基于變分推斷的深度去噪模型的方法，其特征在于，所述步驟S2包括：

S21：訓練集D中的任意一個圖像對為x＝[x₁,...,x_d]^T；其中，d表示訓練圖像的尺寸；

構建基于像素級表示帶噪圖片y生成過程的模型：

其中，z∈R^d是在y下的去噪圖片；

S22：x作為去噪圖像，給潛z提供了強先驗，提出z的共軛先驗：

引入共軛先驗得到逆伽馬分布如下：

S23：建立p(z|σ²|y)的變分分布q(z,σ²|y)，并假設z與σ²之間是條件獨立的，即：

q(z,σ²|y)＝q(z|y)q(σ²|y)

其中，μ_i,是D-net用來預測去噪圖片z；α,β是S-net用來估計噪聲方差σ²。

4.根據權利要求1所述的基于變分推斷的深度去噪模型的方法，其特征在于，所述步驟S3包括：

S31：構建損失函數；獲取邊緣似然的變分下界：

logp(y；z,σ²)＝L(z,σ²；y)+D_KL(q(z,σ²|y)||p(z,σ²|y))

其中

極小化函數：

S32：通過梯度下降算法求解最優解。

5.一種基于變分推斷的深度去噪模型的系統，其特征在于，包括：

獲取模塊：用于獲取帶噪圖片的數據集，并對帶噪圖片的數據集進行預設處理；

構建模塊：用于構建變分去噪網絡的概率模型；

訓練模塊：根據梯度下降求解，并對概率模型進行訓練；

驗證模塊：通過驗證集對訓練模塊中得到的訓練集概率模型進行驗證，得到變分深度模型；

部署模塊：將驗證模塊中驗證后得到的變分深度模型部署在服務器端，用于真實場景的圖片去噪；

更新模塊：根據數據的分布特征對模型進行更新。

6.根據權利要求5所述的基于變分推斷的深度去噪模型的系統，其特征在于，所述獲取模塊包括：

收集單元：用于收集帶噪圖片的數據集：

其中，y_j表示帶噪圖片，x_j表示去噪圖片，n表示訓練圖片的數量；

切分單元：用于對中的圖片進行預設處理，將數據集按照比例切分為訓練集和驗證集，訓練集用于模型訓練，驗證集用于模型選取。