“钟子意”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]一种图像对比方法及相关装置-CN202311150661.8在审
发明人： 钟子意 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-09-07 - 公布日： 2023-10-13 - 主分类号： G06V10/74 文献下载
摘要：本申请实施例公开了一种图像对比方法及相关装置，所述方法包括：获取待对比的第一图像和第二图像；根据第一图像中各像素的通道数据和第二图像中各像素的通道数据，确定第一图像与第二图像的像素级对比数据；像素级对比数据用于表征第一图像与第二图像在像素级别的相似度；根据第一图像对应的第一描述特征和第二图像对应的第二描述特征，确定第一图像与第二图像的特征级对比数据；特征级对比数据用于表征第一图像与第二图像在特征级别的相似度；基于像素级对比数据和特征级对比数据，确定第一图像与第二图像的相似性对比结果。本申请能够从像素维度和特征维度对第一图像和第二图像进行细致、准确的对比，提高图像对比的准确性。
一种图像对比方法相关装置

[发明专利]一种基于多维度知识蒸馏的轻量级图像超分辨率重建方法-CN202110380519.7有效
发明人：李展;钟子意;陆晋晖;陈彦全;曾健梁 -专利权人：暨南大学
申请日： 2021-04-09 - 公布日： 2022-12-27 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于多维度知识蒸馏的轻量级图像超分辨率重建方法，该方法步骤包括：教师网络预处理；数据集预处理生成低分辨率图像；将低分辨率图像输入构建的学生网络中，输出学生网络重建的超分辨率图像；将低分辨率图像输入到多个教师网络中用于得到重建的超分辨率图像组；将学生网络重建的超分辨率图与教师网络重建的超分辨率图像组分别进行L1损失和感知损失计算，通过反向传播更新训练得到最终的学生网络模型；将低分辨率图片输入最终的网络模型，输出超分辨率图像。本发明的超分辨率训练方式减少了参数量，获得与成对数据训练出来的全监督教师网络可比的指标和视觉效果，同时模型大小得到了有效减少，与传统训练方式相比有明显提升。
一种基于多维知识蒸馏轻量级图像分辨率重建方法

[发明专利]一种基于轻量级神经网络的图像退化方法及退化系统-CN202110012919.2在审
发明人：李展;陈彦全;陈曦;汤皓箐;温梓博;钟子意;康志清;甄洛生 -专利权人：暨南大学
申请日： 2021-01-06 - 公布日： 2021-04-30 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于轻量级神经网络的图像退化方法，包括以下步骤：获取数据集并进行预处理，得到输入图像；构建轻量级神经网络图像退化模型；将输入图像输入到轻量级神经网络图像退化模型得到退化图像，计算得到内容损失函数；将输入图像和退化图像通过神经网络模型提取特征值，进而计算感知损失函数；结合得到损失函数，根据损失函数训练该模型，得到训练后的轻量级神经网络图像退化模型；输入待退化的图像得到最终的退化图像；本发明提出了包括残差块的神经网络模型，在避免生成伪造纹理信息的同时减少了网络的参数量，使得生成的图像避免了主观因素的干预，不用人为去预测模型和参数，更加接近真实的图像退化效果。
一种基于轻量级神经网络图像退化方法系统

[发明专利]一种基于边缘检测的图像超分辨率重建方法及系统-CN201911302745.2有效
发明人：李展;黄维健;钟子意;陈志涛;陆晋晖;刘唱 -专利权人：暨南大学
申请日： 2019-12-17 - 公布日： 2021-02-05 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于边缘检测的图像超分辨率重建方法及系统，该方法的步骤为：将高分辨率图像作为原始图像样本，经图像预处理后得到低分辨率图像；构建超分辨率重建网络模型，将低分辨率图像输入到超分辨率重建网络模型中预训练超分辨率重建网络模型；超分辨率图像与高分辨率图像经过VGG19网络计算得到感知损失函数；超分辨率图像和高分辨率图像进行颜色空间的转换以及边缘提取，经L1损失函数计算得到边缘损失函数；感知损失函数和边缘损失函数按比例结合得到损失函数Ltotal并更新参数，低分辨率图像输入到训练好的超分辨率重建网络模型得到恢复的高分辨率图像。本发明弥补了生成伪造纹理的不足，提高了图像恢复的视觉效果和真实性。
一种基于边缘检测图像分辨率重建方法系统