[發明專利]用于無卷積圖像處理的方法和裝置

在審

• 申請號: 202210617342.2
• 申請日: 2022-06-01
• 公開（公告）號: CN115439397A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: M·阿姆托爾;D·哈澤
• 申請（專利權）人: 卡爾蔡司顯微鏡有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06N3/04;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 張立國

1.用于在顯微術中通過人工神經網絡將輸入圖像(210)無卷積地圖像處理成輸出圖像(280)的計算機實現方法，該人工神經網絡具有至少一個由層組成的收縮路徑(220、230)、至少一個由層組成的擴展路徑(240、250、260)和至少一個濾波器內核，其中，所述方法包括：

在所述人工神經網絡的一個或多個層中確定在至少一個濾波器內核與先前層的輸出之間的相似性度量(220、225、250)；

在所述收縮路徑(220、230)的一個或多個層中降低所述先前層的輸出的分辨率，并且

在所述擴展路徑(240、250)的一個或多個層中提高所述先前層的輸出的分辨率，

其中，所述人工神經網絡的第一層將輸入圖像(210)作為所述先前層的輸出進行處理并且所述人工神經網絡的最后層的輸出是輸出圖像(280)。

2.根據前述權利要求中任一項所述的方法，其中，所述相似性度量使用逐元素求和函數。

3.根據前述權利要求中任一項所述的方法，其中，所述相似性度量使用針對在所述先前層的輸出的圖像元素與所述濾波器內核的圖像元素之間的每個圖像通道的圖像元素的距離的總和。

4.根據前述權利要求中任一項所述的方法，其中，通過如下函數求取層的輸出

其中，A是具有c_A通道的層的輸出，E是具有c_E通道的先前層的輸出，F是具有維度d和e的濾波器內核，并且D是相似性度量，并且

其中，上述公式為相應通道c_A中的每個位置x_A,y_A求取層的輸出的相應值。

5.根據前述權利要求中任一項所述的方法，其中，所述相似性度量構成為根據p范數構成的、優選根據L1范數構成的距離函數，

所述相似性度量根據徑向基函數構成，或

所述相似性度量根據多項式函數構成。

6.根據前述權利要求中任一項所述的方法，

其中，所述濾波器內核在兩個維度方面是一樣大的，即d＝e，

其中，通過跨步或池化來實施在至少一個收縮路徑中的降低，和/或

其中，通過雙線性插值、其它類型的插值或通過轉置的逐元素求和函數來實施在至少一個擴展路徑中的提高。

7.根據前述權利要求中任一項所述的方法，其中，所述方法還包括在一個或多個層中應用跳躍連接(260、270)，所述跳躍連接補充(240)提高擴展路徑中的分辨率，以改善相應層的輸出。

8.根據前述權利要求中任一項所述的方法，其中，在所述最后層中實施回歸(251)，和/或

其中，所述最后層是全連接層，或

其中，所述回歸(251)使用另外的逐元素求和函數。

9.根據前述權利要求中任一項所述的方法，其中，所述方法在一個或多個層之后還包括歸一化，優選通過群組歸一化、實例歸一化或批量歸一化實現所述歸一化，其中，所述歸一化可以包括縮放運算和移動運算。

10.根據前述權利要求中任一項所述的方法，其中，所述圖像處理是虛擬著色、去噪、超分辨率、去卷積、壓縮檢測或其它類型的圖像改善。

11.根據前述權利要求中任一項所述的方法，其中，所述方法用于訓練神經網絡。

12.根據權利要求11所述的方法，其中，在生成對抗網絡訓練的范圍內利用另外的神經網絡來實施所述訓練。