[发明专利]基于多阶段渐进式编解码器网络和迁移学习的图像复原方法

权利要求书

1.一种基于多阶段渐进式编解码器网络和迁移学习的图像复原方法，其特征在于，包括以下步骤：

步骤1：建立并训练基于多阶段渐进式编码器-解码器网络模型，模型分为三个结构相同的阶段，每个阶段均包括解码器部分、编码器部分以及跨层注意力特征传递机制，解码器部分与编码器部分包含三个卷积注意力块，每个卷积注意力块包含一个卷积层以及三个注意力块，解码器部分包含三个上采样卷积层；其中，所述跨层注意力特征传递机制中包含四个注意力块；基于多阶段渐进式编码器和解码器网络模型的损失函数为多阶段渐进式损失函数；

步骤2：利用步骤1训练所得基于多阶段渐进式编码器和解码器网络模型完成图像复原处理。

2.根据权利要求1所述的一种基于多阶段渐进式编解码器网络和迁移学习的图像复原方法，其特征在于，所述基于多阶段渐进式编码器和解码器网络模型中具体的说，根据输入特征图的全局平均池化特征，输出像素注意力权重，其中如公式所示：w_gp＝σ(Conv(g(X)))，其中，X代表前一层输入的特征图，g代表平均池化，Conv代表卷积层，σ代表Sigmoid激活函数。

3.根据权利要求1所述的一种基于多阶段渐进式编解码器网络和迁移学习的图像复原方法，其特征在于，所述基于多阶段渐进式编码器和解码器网络模型中多阶段渐进式损失函数由粗到精地衡量网络的收敛程度，同时指导网络进行由粗到精的图像复原，其中在第一阶段，使用MSE损失函数；第二阶段，使用Smooth L1损失函数；第三阶段，使用SSIM损失函数。