|
|
钻瓜专利网为您找到相关结果 898403个，建议您 升级VIP下载更多相关专利
- [发明专利]一种基于循环生成对抗网络的卫星图阴影去除方法-CN202310641115.8在审
-
任柯燕;黄靖懿;岳天一;史禹;赵虎
-
北京工业大学
-
2023-06-01
-
2023-08-18
-
G06T7/11
- 本发明公开一种基于循环生成对抗网络的卫星图阴影去除方法，生成器分别实现图像的阴影去除和阴影生成工作，判别器分别判断生成图像是否属于有/无阴影图域，生成器和判别器共同促进阴影去除任务的实现。该发明首先分析自然场景的有/无阴影图像中的阴影亮度特征和纹理特点，以降低分辨率的高分辨率卫星图为无阴影卫星图像，并在此基础上构建含有模拟阴影的有阴影卫星图像。然后，通过循环生成对抗网络对配对的有/无阴影卫星图像的学习，从而泛化地解决真实卫星图像中阴影去除的问题。本发明主要针对卫星图像中没有配对的有/无阴影图像进行了数据集的模拟制作，提出了循环生成对抗网络以阴影生成任务辅助阴影去除，实现在有/无阴影卫星图域之间的图像迁移，并以视觉自注意力模型的非传统编码器模块辅助生成器进行更好的特征迁移
- 一种基于循环生成对抗网络卫星阴影去除方法
- [发明专利]一种非配对图像阴影去除方法-CN202210719778.2在审
-
陈斌;谭超;冯欣;明镝;薛明龙
-
重庆理工大学
-
2022-06-23
-
2022-10-04
-
G06N3/04
- 本发明涉及一种非配对图像阴影去除方法，TC‑ShadowGAN网络模型设计了一个生成网络STN，即阴影转换网络(Shadow Transformation Network,STN)，通过两组基于编码器‑解码器的生成子网络从阴影图像中生成两个无阴影网络，采用目标一致性约束，限制生成的两幅无阴影图像的一致性，此外，在没有配对的无阴影数据监督的情况下，TC‑ShadowGAN通过从各种无阴影的自然图像中学习共同的照度和亮度特征来生成真正的无阴影图像，并利用不同的真实无阴影图像指定两个判别器，以约束生成的无阴影区域与真实的无阴影区域之间的照度、颜色和纹理的一致性。
- 一种配对图像阴影去除方法
|
