基于深度学习的单幅图像去雪花方法、装置及存储介质.pdf
Jo****34
亲,该文档总共16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
基于深度学习的单幅图像去雪花方法、装置及存储介质.pdf
本发明公开了一种基于深度学习的单幅图像去雪花方法、装置及存储介质,所述方法包括:通过注意力机制,将成对的具有相同背景的含雪和无雪图像作为输入,根据网络的自动学习能力,提取雪花像素的特征生成雪花注意力图;将含雪图像与相应的雪花注意力图同时作为无雪图像生成部分的输入,利用U‑net网络以及残差网络恢复出无雪图像;将恢复出的无雪图像与真实的无雪图像同时作为判别器部分的输入,用以训练判别器判断真假图像的能力;采用训练后的判别器对输入的图像进行特征提取,通过提取到的特征做出判断,从而使得生成器生成的图像越来越接近真
一种基于单幅图像的联合去雾检测方法、装置及存储介质.pdf
本发明公开了一种基于单幅图像的联合去雾检测方法、装置及存储介质,所述方法包括获取PASCAL‑VOC2012数据集,使用大气散射模型方程对数据集进行雾化处理,生成不同浓度的雾天图像;将雾天图像输入预先构建的检测网络模型进行检测,其中,检测网络模型包括特征提取模块和颈部检测模块;检测时,将雾天图像输入特征提取模块中,提取雾天图像上不同分辨率的特征图;根据不同分辨率的特征图进行向量之间的特征融合,并输入至颈部检测模块进行检测,获得不同分辨率的检测结果,本发明具有检测精度高、实时性和应用性较强、漏检率低等优点,
基于深度学习的图像分割方法、装置、设备和存储介质.pdf
本发明实施例公开了一种基于深度学习的图像分割方法、装置、终端设备和存储介质。基于对脏器图像数据中的样本图像数据的分割标记操作得到训练集,所述脏器图像数据通过对脏器扫描得到;生成初始图像分割模型,将所述训练集输入所述初始图像分割模型进行模型训练,以获得用于图像结构分割的图像分割模型,所述初始图像分割模型在U‑Net框架的中心层添加与所述U‑Net框架的解码器分支并行的正则约束分支得到,所述正则约束分支用于对所述U‑Net框架的编码器分支进行正则约束;将待分割的脏器图像数据输入到所述图像分割模型,以对所述待分
基于深度学习的图像扩充方法和装置、存储介质和计算机.pdf
本发明提供一种图像扩充方法和装置、存储介质和计算机。所述图像扩充方法包括:提供包括有多张原始图像的第一图像集和生成对抗网络;对所述原始图像进行图像处理以得到处理后图像,多张处理后图像构成第二图像集,基于第一图像集和第二图像集形成第三图像集;利用第三图像集中的图像来训练所述生成对抗网络,得到最终的生成对抗网络;最终的生成对抗网络的基于第三图像集生成多张生成图像,并判断所述多张生成图像的真伪,被判断为真的多张生成图像形成第四图像集,基于第三图像集和第四图像集形成第五图像集。这样可以有效的扩充优质的图像集,以便
基于深度学习的结售汇预测方法、装置、设备及存储介质.pdf
本说明书涉及金融时间序列预测技术领域,提供了一种基于深度学习的结售汇预测方法、装置、设备及存储介质,该方法包括:获取目标币种在指定历史时间段内的结售汇时间序列;基于金融时间序列模型提取所述结售汇时间序列的统计特征;将所述结售汇时间序列及所述统计特征输入至预训练的深度学习模型中,以预测出所述目标币种在未来指定时间范围的结售汇时间序列。本说明书实施例可以提高结售汇预测的准确性。