[發(fā)明專利]一種基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法在審
| 申請?zhí)枺?/td> | 202111328591.1 | 申請日: | 2021-11-10 |
| 公開(公告)號: | CN114037843A | 公開(公告)日: | 2022-02-11 |
| 發(fā)明(設(shè)計)人: | 孫希延;梁維彬;鞠濤;杜洋;付文濤 | 申請(專利權(quán))人: | 南寧桂電電子科技研究院有限公司;桂林電子科技大學(xué) |
| 主分類號: | G06V10/44 | 分類號: | G06V10/44;G06V10/26;G06V10/764;G06V30/19;G06V10/82;G06T3/40;G06T5/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京中濟(jì)緯天專利代理有限公司 11429 | 代理人: | 石燕妮 |
| 地址: | 530033 廣西壯族自治區(qū)南寧市江南區(qū)沙*** | 國省代碼: | 廣西;45 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 改進(jìn) 生成 對抗 網(wǎng)絡(luò) 提高 水下 圖像 分辨率 方法 | ||
1.一種基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,包括下列步驟:
構(gòu)建改進(jìn)生成對抗網(wǎng)絡(luò)模型;
獲取已有水下圖像,并制作訓(xùn)練所需數(shù)據(jù)集,同時對其進(jìn)行數(shù)據(jù)增強(qiáng)和數(shù)據(jù)集劃分;
訓(xùn)練所述改進(jìn)生成對抗網(wǎng)絡(luò)模型,獲得訓(xùn)練好的網(wǎng)絡(luò)模型;
獲取實時水下圖像并處理為小塊圖像;
將所述小塊圖像輸入所述訓(xùn)練好的網(wǎng)絡(luò)模型,獲得網(wǎng)絡(luò)輸出結(jié)果;
拼接所述網(wǎng)絡(luò)輸出結(jié)果,獲得最終結(jié)果。
2.如權(quán)利要求1所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
所述改進(jìn)生成對抗網(wǎng)絡(luò)模型的基礎(chǔ)模塊由生成器模塊和判定器模塊組成,所述生成器模塊里的殘差卷積改為三層恒等殘差塊,每個所述三層恒等殘差塊的輸出結(jié)果都作為后續(xù)每一層的輸入特征,激活函數(shù)由Sigmoid改為Relu。
3.如權(quán)利要求2所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
所述生成器模塊采用一層卷積和一層Relu激活層作為輸入層,八個三層恒等殘差塊為隱藏層,去掉原本網(wǎng)絡(luò)結(jié)構(gòu)中的BN層,輸出層采用兩個亞像素卷積層以及一個具有3×3核和輸出通道的卷積層。
4.如權(quán)利要求2所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
所述判定器模塊包括八個基本塊、一層全連接層和一層Sigmoid激活層,其中,每個所述基本塊由一層卷積層、一層BN層以及一層Leaky Reulu激活層組成。
5.如權(quán)利要求1所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
在獲取已有水下圖像并制作訓(xùn)練所需數(shù)據(jù)集的過程中,將獲取到的水下圖像切割為256×256分辨率的圖像,并對每個切割后的圖像分別通過Bicubic算法進(jìn)行降質(zhì)處理,四倍下采樣為64×64分辨率的低分辨率圖像,把降質(zhì)后的圖像作為低分辨率圖像數(shù)據(jù)集,同時對應(yīng)的高分辨率圖像作為高分辨率圖像數(shù)據(jù)集,然后對低分率圖像數(shù)據(jù)集和高分辨率圖像數(shù)據(jù)集同時做旋轉(zhuǎn)、偏移和加入噪聲的數(shù)據(jù)增強(qiáng)處理,最后,把處理完的所有數(shù)據(jù)按照7:2:1進(jìn)行劃分,分別劃分為訓(xùn)練集、驗證集和測試集。
6.如權(quán)利要求1所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
訓(xùn)練所述改進(jìn)生成對抗網(wǎng)絡(luò)模型,獲得優(yōu)化生成對抗網(wǎng)絡(luò)模型,包括下列步驟:
將所述訓(xùn)練所需數(shù)據(jù)集分別輸入生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò),擬定最大訓(xùn)練次數(shù);
選擇目標(biāo)優(yōu)化函數(shù)并計算判別網(wǎng)絡(luò)損失;
使用優(yōu)化器更新所述判別網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù);
通過所述判別網(wǎng)絡(luò)獲得判別結(jié)果;
選擇選擇目標(biāo)優(yōu)化函數(shù)并計算生成網(wǎng)絡(luò)損失;
使用優(yōu)化器更新所述生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù);
重復(fù)上述步驟直至網(wǎng)絡(luò)擬合或達(dá)到最大訓(xùn)練次數(shù);
保存訓(xùn)練好的網(wǎng)絡(luò)模型。
7.如權(quán)利要求1所述的獲取實時水下圖像并處理為小塊圖像,其特征在于,通過切割的方式將獲取到的實時水下圖像處理為小塊圖像。
8.如權(quán)利要求1所述的基于改進(jìn)生成對抗網(wǎng)絡(luò)的提高水下圖像分辨率方法,其特征在于,
所述小塊圖像為64×64分辨率的均等大小的圖像。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南寧桂電電子科技研究院有限公司;桂林電子科技大學(xué),未經(jīng)南寧桂電電子科技研究院有限公司;桂林電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202111328591.1/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 農(nóng)業(yè)信息對抗資源目標(biāo)規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對抗資源模糊規(guī)劃最優(yōu)分配方法
- 農(nóng)業(yè)信息對抗資源線性規(guī)劃最優(yōu)分配方法
- 基于聚類數(shù)據(jù)挖掘的對抗行為搜索算法
- 面向多種對抗圖片攻擊的協(xié)同免疫防御方法
- 一種自適應(yīng)對抗強(qiáng)度的對抗訓(xùn)練方法
- 對抗攻擊模型的訓(xùn)練方法及裝置
- 對抗樣本的生成方法和裝置
- 多樣本對抗擾動生成方法、裝置、存儲介質(zhì)和計算設(shè)備
- 一種無人集群協(xié)同博弈對抗的控制方法及系統(tǒng)





