[发明专利]一种图像纹理滤波方法、终端设备及存储介质在审
| 申请号： | 201910674925.7 | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110378842A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 郭诗辉;林俊聪;高星;李贵林;宋亮;廖明宏 | 申请（专利权）人： | 厦门大学 |
| 主分类号： | G06T3/00 | 分类号： | G06T3/00 |
| 代理公司： | 厦门市精诚新创知识产权代理有限公司 35218 | 代理人： | 何家富 |
| 地址： | 361000 *** | 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： | 本发明涉及一种图像纹理滤波方法、终端设备及存储介质，该方法中包括：S1：采集图像组成训练数据集，其中图像中包括标记数据和未标记数据；S2：构建生成对抗网络模型，设定网络中的损失函数为：标记数据的损失与未标记数据的损失的加权和；将训练数据集输入构建的生成对抗网络模型进行训练，在每次学习迭代中，同时向网络提供标记数据和未标记数据，由网络的损失函数计算梯度参数直至训练完成，生成最终网络；S3：将待滤波的图像输入训练后的模型，输出滤波结果。本发明与基于非学习的方法具有相当的性能，同时降低了确定最优参数值的要求。 | ||
| 搜索关键词： | 标记数据 滤波 训练数据集 存储介质 损失函数 图像纹理 网络模型 终端设备 构建 采集图像 输出滤波 梯度参数 图像输入 网络提供 网络 对抗 加权和 迭代 图像 学习 | ||
【主权项】：
1.一种图像纹理滤波方法，其特征在于，包括以下步骤：S1：采集图像组成训练数据集，其中图像中包括标记数据和未标记数据；S2：构建生成对抗网络模型，设定网络中的损失函数为：标记数据的损失与未标记数据的损失的加权和，其中：标记数据的损失为：标记数据的对抗损失、L1损失、内容损失和风格损失四种损失的加权和；非标记数据的损失为：非标记数据的对抗损失、内容损失和风格损失三种损失的加权和；将训练数据集输入构建的生成对抗网络模型进行训练，在每次学习迭代中，同时向网络提供标记数据和未标记数据，由网络的损失函数计算梯度参数直至训练完成，生成最终网络；S3：将待滤波的图像输入训练后的模型，输出滤波结果。
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/201910674925.7/，转载请声明来源钻瓜专利网。
