CN113269680B 一种基于排序学习和孪生神经网络的图像修复质量评价方法 （北京工业大学）_第1页
CN113269680B 一种基于排序学习和孪生神经网络的图像修复质量评价方法 （北京工业大学）_第2页
CN113269680B 一种基于排序学习和孪生神经网络的图像修复质量评价方法 （北京工业大学）_第3页
CN113269680B 一种基于排序学习和孪生神经网络的图像修复质量评价方法 （北京工业大学）_第4页
CN113269680B 一种基于排序学习和孪生神经网络的图像修复质量评价方法 （北京工业大学）_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

一种基于排序学习和孪生神经网络的图像本发明涉及一种基于排序学习和孪生神经络结构能够很好的评估被修复区域与周围已知2采用孪生网络作为主干网络；该网络总共有两个分支，每个分支S3：被修复区域局部连贯性评估；在孪生使用上述的数据集和网络结构进行模型的训练，至损失函数S3具体如下：设计了一个能够衡量待评价图像局部结Batchsize3针对的是通过不同图像修复算法进行修复出来的结果图，目前主流的评价方式主要有三[0003]基于相似度计算的方法是将修复结果图与实验环境下的原始图像进行相似度的以对两张或多张图像进行图像质量关系的排序。Isogawa等在2018年发表的论文《Image区域与已知区域的连贯性和一致性等问题，如何同时改善以上问题是目前的一个研究难4[0019]本发明提出了一种基于孪生神经网络的图像修复质量评价技术，流程图如图1所5像，并手动圈定了待修复区域，然后使用3种图像修复能力不同的算法对这些图像进行修本发明设计了一个5层的卷积神经网络作为主干网络的分支结构，孪生网络两个分支的结计算每一个块与它周围8个块之间的余弦相似度，最终可以得到一个代表这个被修复区域6[0029]S4-3：训练过程中数据增强的手段包括将每一张图像缩放至统一大小(本实例中的评价算法做了对比，结果显示本发明的预测精度最高可以比他们的方法高21.64％[0036]图5是本发明实验结果与Isogawa等的结果的可视化对比。(a)表示原始待修复图

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