CN119399049A 多任务的图像增强方法、装置、设备及存储介质 （西安兵器工业科技产业开发有限公司）

司性和效果，通过频率调节器的处理和注意力机2采用端对端的网络架构构建多任务的图像增强模型，所述网络架构包对所述深层特征提取模块采用对称的编码器、频率调节器和解获取数据集，基于所述数据集和所述损失函数对所述多任务的图像增强模型进行训所述深层特征提取模块连接8个特征提取模块，每个所述深层特征提取模块包括三部将经过卷积处理后的特征图进行维度转换操作，使所述特征图适应多层感知机MLP的将转换回原始的维度的特征图通过Sigmoid激活函数对所述输入特征图进行核大小为1×1的卷积，并进行动态调整卷积3将所述增强的空间特征分割成两个张量，并发送至双分支结构进在所述双分支结构处理完成后，将所述双分支结构进行对所述编码器提取的特征进行全局平均池化、1×1卷积和批量归在通道维度上分割输入特征，将分割结果与所述低频滤波器将所述低频特征和所述高频特征进行融合，并对融合后的特征进行全局平均池化操通过卷积操作将高维特征分解为高频注意力特征向量和低频注意将所述高频注意力特征向量和低频注意力特征向量连接，并经过所述softmax函数得将所述归一化的注意力权重分成两部分，分别与对应的高频注意力模型构建模块，用于采用端对端的网络架构构建多任务的图像增结构设计模块，用于对所述深层特征提取模块采用对称训练模块，用于获取数据集，基于所述数据集和所述图像增强模块，用于利用训练好的多任务的图像增强模型对待增强图像进行图像增程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步4使得所述处理器执行如权利要求1至7中任一项5[0001]本发明涉及计算机视觉和图像处理技术领域，具体涉及多任务的图像增强方法、使用3x3卷积层对输入特征图进行下采样，减少图像尺寸并扩大通道数，提取特6所述深层特征提取模块连接8个特征提取模块，每个所述深层特征提取模块包括将转换回原始的维度的特征图通过Sigmoid激活函数应用softmax计算注意力权重，将所述注意力权重与一组可学习的参数逐元素相使用softmax函数将低频滤波器权重进行归一化，得到归一化后的低频滤波器权7通过卷积操作将高维特征分解为高频注意力特征向量和低频注意将高频和低频的注意力特征向量连接，并经过softmax函数得到归一化的注意力8定的预处理或后处理模块。这种架构能够在同一个框架内处理不同类型的图像退化问题，9使用3x3卷积层对输入特征图进行下采样，减少图像尺寸并扩大通道数，提取特将转换回原始的维度的特征图通过Sigmoid激活函数使用softmax函数将低频滤波器权重进行归一化，得到归一化后的低频滤波器权通过卷积操作将高维特征分解为高频注意力特征向量和低频注意将高频和低频的注意力特征向量连接，并经过softmax函数得到归一化的注意力行1×1卷积增加非线性变换减少参数数量，再维度转换操作，以便将其适应多层感知机该方法能够从包含原始图像和相应增强后图像的数据集中学习到多种图像增强任务的映图像增强模块205，被配置为用于利用训练好的多任务的图像增强模型对待增强[0056]在一些实施方式中，结构设计模块202还被配置为用于对输入特征图进行1×1卷将转换回原始的维度的特征图通过Sigmoid激活函数[0057]在一些实施方式中，结构设计模块202还被配置为用于对输入特征图进行1×1卷[0058]在一些实施方式中，结构设计模块202还被配置为用于对输入特征图进行核大小[0059]在一些实施方式中，结构设计模块202还被配置为用于对编码器提取的特征进行使用softmax函数将低频滤波器权重进行归一化，得到归一化后的低频滤波器权通过卷积操作将高维特征分解为高频注意力特征向量和低频注意将高频和低频的注意力特征向量连接，并经过softmax函数得到归一化的注意力设备的结构示意图，该设备包括包括存储器301和处理器302，存储器301存储有计算机程DSP(DigitalSignalProcess，数字信号处理器)、ASIC(ApplicationSpecific用处理器可以是微处理器或者该处理器302也可以是任何常规的处理该计算机程序401可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)