[发明专利]适用于2D卷积神经网络的可学习引导滤波模块和方法有效
| 申请号： | 201910867312.5 | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110599534B | 公开（公告）日： | 2022-01-21 |
| 发明（设计）人： | 李秀;宋恺祥 | 申请（专利权）人： | 清华大学深圳国际研究生院 |
| 主分类号： | G06T7/55 | 分类号： | G06T7/55 |
| 代理公司： | 深圳新创友知识产权代理有限公司 44223 | 代理人： | 王震宇 |
| 地址： | 518055 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种适用于2D卷积神经网络的可学习引导滤波模块和方法，在所述引导滤波模块中，对于由输入的原始引导图获得的导向引导图，将每一个导向引导图与向指定方向进行位移后的原始特征图进行逐像素点的相乘操作，并将所有方向乘积结果进行求和，获得处理后的特征图，与原始特征图相比，其是以导向引导图为权重，对不同方向位移后的特征图进行加权求和的结果，从而实现引导滤波。 | ||
| 搜索关键词： | 适用于 卷积 神经网络 学习 引导 滤波 模块 方法 | ||
【主权项】：
1.一种适用于2D卷积神经网络的可学习引导滤波模块，其特征在于,在所述引导滤波模块中，对于由输入的原始引导图转换得到的导向引导图，使每一个导向引导图对应于原始特征图的向指定方向的位移操作，将每一个导向引导图与相对应方向位移后的特征图进行逐像素点的相乘操作，并将所有方向乘积结果进行求和，获得处理后的特征图，其是以导向引导图为权重，对不同方向位移后的特征图进行加权求和的结果，从而实现引导滤波。/n
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清华大学深圳国际研究生院，未经清华大学深圳国际研究生院许可，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/201910867312.5/，转载请声明来源钻瓜专利网。
