|
|
钻瓜专利网为您找到相关结果 3489495个，建议您 升级VIP下载更多相关专利
- [发明专利]一种基于改进的自适应神经网络的图像去噪方法-CN202010660791.6有效
-
岳炜翔;王敏
-
河海大学
-
2020-07-10
-
2022-07-26
-
G06T5/00
- 本发明公开了一种基于改进的自适应神经网络的图像去噪方法，首先，收集无噪声的图片和被噪声污染过的图片形成数据集，并对数据集进行预处理；其次，搭建并训练Cycle‑GAN网络，并在Cycle‑GAN网络后连接U型神经网络,将整体的网络命名为Cycle‑GAN‑Unet网络；对搭建完成的网络进行训练；将卷积神经网络的损失函数同Cycle‑GAN的损失函数相加；最后，将整个训练好网络的输出使用滤波器进行最后的去噪得到去噪的图像本发明训练数据的图像不需要一一对应的标注，只需要一组无噪图像和一组有噪图像即可，最终训练好的系统就可对新输入的有噪声图像进行降噪输出无噪图像，并且相比于单独的Cycle‑GAN网络有更好的降噪能力。
- 一种基于改进自适应神经网络图像方法
- [发明专利]图像去噪模型的训练方法、图像去噪方法、装置及介质-CN201910452539.3有效
-
陈法圣
-
腾讯科技（深圳）有限公司
-
2019-05-28
-
2023-01-10
-
G06T5/00
- 本申请公开了一种图像去噪模型的训练方法、图像去噪方法、装置及介质，涉及人工智能领域，该方法包括：获取无噪样本图像以及对应的高斯白噪声；将无噪样本图像和高斯白噪声输入噪声生成模型，得到目标类型噪声；将目标类型噪声叠加至无噪样本图像，输出得到有噪样本图像；将无噪样本图像和有噪样本图像作为样本数据对图像去噪模型进行训练。通过噪声生成模型生成的有噪样本图像进行训练，而该有噪样本图像时根据噪声生成参数的参数取值确定的，也即通过对噪声生成参数取不同的值所生成的有噪样本图像的噪声类型不同，从而通过样本数据对图像去噪模型进行训练后，该图像去噪模型可以针对不同噪声类型进行去噪处理，提高去噪处理的适应性。
- 图像模型训练方法装置介质
- [发明专利]一种视频去噪装置-CN202211719412.1在审
-
尹东;刘学彦;刘文庭;丁美玉;董鹏宇
-
上海富瀚微电子股份有限公司
-
2022-12-30
-
2023-03-28
-
G06T5/00
- 本发明提供一种视频去噪装置，包括噪声强度估计模块、去噪网络结构、无监督训练模块和参数调节模块，噪声强度估计模块采集多帧带噪视频和原始图像数据，并得到带噪视频图像对应的噪声强度；无监督训练模块提供训练损失函数；去噪网络结构对噪声强度经过空域变换和时域合成解耦生成多帧噪声强度图，同时根据训练损失函数对去噪网络结构进行训练；参数调节模块用于控制去噪网络结构的时域合成力度，能够在只拥有真实带噪视频没有不带噪源视频的情况下训练视频去噪模型，并且方便部署到嵌入式设备上，支持用户灵活调节参数；噪声估计模块的噪声估计和无监督学习模块的无监督学习均真实带噪视频展开的，其实用性更强。
- 一种视频装置
- [发明专利]基于非匹配地质图像的自动去噪方法-CN202211277222.9在审
-
吴春雷;张欢;胡飞;路静;张立强;王雷全
-
中国石油大学（华东）
-
2022-10-19
-
2023-03-03
-
G06T5/00
- 目前地质沉积模型存在大量噪点，它们分布杂乱，难以人工去除。现有的地质模型图像去噪方法对数据集的制作要求高，并且去噪步骤复杂。于是，我们提出了基于非匹配地质图像的自动去噪方法。我们采用了经过裁剪算法得到的多张噪点图像以及少许无噪点图像，将它们按不同间隔切割以构建河道不对应的非匹配的噪点‑无噪点数据集。随后，基于风格迁移，我们视噪点图像为第一类图像，无噪点图像为第二类图像，提出了基于生成对抗网络的自动去噪方法。该方法旨在对输入的噪点图像，输出其对应的去噪结果。该方法无需先检噪再去噪，简化了现有去噪方法的步骤。多种河道对应的去噪结果显示，该方法可以很好地去除不正确的噪点，从而保证了河道的完整性。
- 基于匹配地质图像自动方法
|
