基于生成对抗式双通道权重分配的图像融合方法及装置.pdf
是你****盟主
亲,该文档总共20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
基于生成对抗式双通道权重分配的图像融合方法及装置.pdf
本发明提供了一种基于生成对抗式双通道权重分配的图像融合方法及装置,其方法包括:构建初始图像融合模型,包括生成器模块和孪生鉴别器模块,生成器模块包括伪孪生特征提取模块和特征融合模块;获取红外图像样本和可见光图像样本,并基于伪孪生特征提取模块获得红外特征图和可见光特征图;基于特征融合模块生成融合特征图;基于孪生鉴别模块分别获得融合特征图与红外图像样本的第一相似度及与可见光图像样本的第二相似度;对初始图像融合模型进行训练,获得目标图像融合模型;基于目标图像融合模型对待融合红外图像和待融合可见光图像进行融合,获得
基于语义融合生成对抗网络的图像比特增强方法及装置.pdf
本发明公开了一种基于语义融合生成对抗网络的图像比特增强方法及装置,方法包括:生成器以残差结构为框架,添加输入图像到输出的全局跳跃连接和语义融合层,将零填充后的高比特图像和语义分割结果作为输入,输出重构后的高比特图像;鉴别器基于VGG网络,具有图像真假预测分支和图像语义类别预测分支,将重构后的高比特图像或真实的高比特图像作为输入,输出为对输入图像是否为重构图像的预测和该图像所属类别的预测;对测试集预处理得到的零填充后的高比特图像和语义分割结果输入到已加载训练模型参数后的生成器网络得到重构高比特图像。装置包括
基于生成对抗网络的多级特征时空遥感图像融合方法.pdf
本发明提供一种基于生成对抗网络的多级特征时空遥感图像融合方法。本发明中的生成对抗网络由条件生成器网络和鉴别器网络构成,条件生成器网络采用图像特征提取网络、图像特征融合网络、图像重建网络来提取、融合多级特征,并依靠多级特征重建影像,以处理高分辨率影像和低分辨率影像的巨大差异。在特征融合阶段,设计了自适应实例标准化模块来处理多时相图像之间的全局变化关系,并设计了注意力模块来处理局部变化关系。经过对条件生成器网络和鉴别器网络的交替训练,可利用训练好的条件生成器网络解决遥感时空影像融合问题,生成融合的预测时间高分
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。
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