CN119399029A 一种基于解耦对比学习的隐式图像退化估计方法 （中国科学院自动化研究所）_第1页
CN119399029A 一种基于解耦对比学习的隐式图像退化估计方法 （中国科学院自动化研究所）_第2页
CN119399029A 一种基于解耦对比学习的隐式图像退化估计方法 （中国科学院自动化研究所）_第3页
CN119399029A 一种基于解耦对比学习的隐式图像退化估计方法 （中国科学院自动化研究所）_第4页
CN119399029A 一种基于解耦对比学习的隐式图像退化估计方法 （中国科学院自动化研究所）_第5页
已阅读5页，还剩8页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于解耦对比学习的隐式图像退化估本发明公开了一种基于解耦对比学习的隐训练的隐式图像退化估计器应用于基于隐式退22.根据权利要求1所述的一种基于解耦对比学习的隐式图像退化估计方法，其特征在3.根据权利要求2所述的一种基于解耦对比学习的隐式图像退化估计方法，其特征在4.根据权利要求1所述的一种基于解耦对比学习的隐式图像退化估计方法，其特征在将第一高清图块序列与通过循环移位得到的若干个第二新高清图块序列组成高清图5.根据权利要求4所述的一种基于解耦对比学习的隐式图像退化估计方法，其特征在将所述正样本送入特征增强对比学习网络，对于主分支，将每个对于辅助分支，将每个低清图块样本送入朴素估计器进行编码，将经过清图块索引，主分支低清图块重组特征索引，辅助分支低清图块特征索引，相似度函数3sim()采用InfoNCE，定义如下：6.根据权利要求1所述的一种基于解耦对比学习的隐式图像退化估计方法，其特征在保存训练结束时的特征增强对比学习网络模型参数，此时，4[0002]盲图像超分辨率（BlindSuper_Resolution,BSR）任务是图像超分辨率研究为研究热点，吸引了大量学者和工程师的关注。尽管BSR和SR的模型框架以及计算流程类建一个可学习的退化估计器来从LR图像中计算退化参数。然而，显式估计的适用范围仍然有限。真实场景中难以避免的噪声干扰以及不同退化之间的复杂交互使得构建退化过程的领域的研究逐渐转向采用隐式的退化参数估计策略。5练阶段选用特征增强对比学习网络，特征增强对比学习网络采用经典的双分支网络结构，只是去除了特征强化处理操作，投影器与主分支中投影器基本结构相同且计算过程相同。增强策略进一步扩展每个退化类别的样本多样性，以保障网络能够更充分的学习退化信6器进行特征编码及增强。具体地，先将每个低清图块样本分割成N2(N≥2)个不重叠的7特征引导的盲图像超分辨率方法配合

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论