[发明专利]基于深度神经网络与级联回归的图像美感增强方法有效
| 申请号： | 201710587701.3 | 申请日： | 2017-07-18 |
| 公开（公告）号： | CN107392244B | 公开（公告）日： | 2020-08-28 |
| 发明（设计）人： | 王菡子;郭冠军;刘祎;严严 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06T5/00 |
| 代理公司： | 厦门智慧呈睿知识产权代理事务所(普通合伙) 35222 | 代理人： | 魏思凡;郭福利 |
| 地址： | 361005 福建省厦门市思*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明实施例提供一种基于深度神经网络与级联回归的图像美感增强方法，包括以下步骤:S1，提供尺寸为C |
||
| 搜索关键词： | 基于 深度 神经网络 级联 回归 图像 美感 增强 方法 | ||
【主权项】：
基于深度神经网络与级联回归的图像美感增强方法，其特征在于，所述图像美感增强方法包括以下步骤:S1，提供尺寸为C0的原始图像，通过级联回归算法进行求解获得最小化目标为：其中，代表一个矩形区域，C为裁剪后图像的尺寸，为数据集提供的图像裁剪尺寸；S2，通过AVA数据集与CHUKPQ数据集提供的预训练图像数据，训练深度卷积神经网络的提取图像特征功能；S3，通过深度卷积神经网络提取原图像的深度特征xt，并通过深度卷积神经网络的空间金字塔池化层将尺寸为C0原始图像变转化为特征向量；S4，将提取的深度特征xt应用于随机蕨回归器中，并采用梯度下降方法学习获得基元回归器，通过级联回归器来输出候选结果Cj(1≤j≤4)；其中，被称为基元回归器，不断迭代直到误差不再减小，获得基元回归器的最小化目标函数；S5，将步骤S4中获得的基元回归器与深度特征xt按照迭代的方式进 行T次循环，通过多级循环剪切获得最终裁剪图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门大学，未经厦门大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710587701.3/，转载请声明来源钻瓜专利网。
