基于生成式对抗网络的红外盲元补偿方法.pdf
是你****嘉嘉
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于生成式对抗网络的红外盲元补偿方法.pdf
本发明公开了一种基于生成式对抗网络的红外盲元补偿方法,用于红外成像技术领域,通过对抗网络模型结合盲元补偿函数,以生成新图像的方式实现对原图像盲元像素灰度的预测。首先,基于生成式对抗网络构建盲元补偿网络模型,通过训练使得模型学习到红外盲元图像特征并对用于训练的盲元图像数据集实现较好的补偿效果;然后,对待补偿的盲元图像进行盲元检测生成二值矩阵,结合盲元补偿损失函数生成伪造图像;最后,通过泊松融合算法将盲元图像和生成的伪造图像融合,通过迭代来提高补偿精度,最终完成对红外盲元的补偿。本发明对盲元像素灰度值的预测更
一种基于生成式对抗网络的自适应光学图像盲复原方法.pdf
本发明公开了一种基于生成式对抗网络的自适应光学图像盲复原方法,具体按照如下步骤实施:步骤1,制作空间目标自适应光学模糊图像与对应清晰图像的训练集;步骤2,构建用于训练的生成对抗网络模型;步骤3,将步骤1自适应光学模糊图像与对应清晰图像的训练集输入到步骤2建立的生成对抗网络模型中,得到训练好的生成网络模型;步骤4,将待复原的模糊图像进行尺寸归一化预处理,输入到步骤3训练好的生成网络模型中,得到复原之后的清晰图像。本发明的一种基于生成式对抗网络的自适应光学图像盲复原方法,由于无需估计PSF,提高了单帧图像复原
基于条件生成式对抗网络的MMP预测方法及装置.pdf
本发明实施例公开了一种基于条件生成式对抗网络的MMP预测方法及装置,该方法包括:获取目标油藏的MMP影响因素数据;将所述MMP影响因素数据输入到预先训练出的生成器中,得到所述预先训练出的生成器输出的所述目标油藏的MMP预测值,其中,所述生成器为根据训练样本集进行多次迭代训练得到的,所述训练样本集中的每个训练样本包含:油藏的MMP值以及油藏的MMP影响因素数据。本发明实现了准确、高效的对油藏的MMP进行预测的有益效果。
一种基于生成对抗网络的图像盲去模糊方法.pdf
本发明提供一种基于生成对抗网络的图像盲去模糊方法。本发明首先建立用于网络训练的损失函数,包括对抗损失项(AdversarialLoss)和内容损失项(ContentLoss);然后进行生成对抗网络结构的搭建;再采用基于随机轨迹的的运动模糊数据集生成方法,生成清晰‑模糊图像对;最后采用生成的清晰‑模糊图像对,训练生成对抗网络网络。本发明在低计算资源消耗的情况下,能做到相对较快的图像去模糊速度,并明显快于其他去模糊方法,本发明提出了一种基于随机轨迹的运动模糊数据集生成方法,可以任意生成大量的清晰‑模糊图像
基于生成式对抗网络的音乐旋律编曲方法、装置及系统.pdf
本发明公开了一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统,所述方法包括:接收客户端发送的表单,根据表单中的信息,利用机器学习模型合成音乐文件;其中所述机器学习模型采用改进的生成式对抗网络模型;所述改进的生成式对抗网络模型将一个判别器改进为两个判别器,同时将生成器中的长短期记忆结构改进为关系记忆单元;将所述音乐文件的路径返回给客户端,以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径,并且自动进行所述音乐文件的播放。本发明通过采用生成式对抗网络模型,极大程度增加了音乐旋律生成的多样性