“高分辨率模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2275164个，建议您升级VIP下载更多相关专利

[发明专利]图像处理方法、装置和电子设备-CN202110504132.8在审
发明人：曾海恩;王星;林丽;彭涵宇 -专利权人：北京字跳网络技术有限公司
申请日： 2021-05-08 - 公布日： 2021-08-10 - 主分类号： G06N3/08 文献下载
摘要：本公开实施例公开了的图像处理方法、装置和电子设备，在采用初始高分辨率网络模型处理至少一个训练图像后，获得初始高分辨网络模型的各图像处理阶段的处理时长，并可以根据各处理阶段的处理时长，生成简化方式信息，并根据简化方式信息所指示的简化处理方式，获得至少一个候选高分辨率网络模型，并可以从至少一个候选高分辨率网络模型中确定目标高分辨率网络模型，并利用目标高分辨率网络模型处理图像。由于目标高分辨率网络模型是初始高分辨率网络模型经过简化处理方式而获得的，因此，部署目标高分辨率模型相较于部署初始高分辨率网络模型，所占用的存储空间更小，从而可以提升利用目标高分辨率网络模型进行图像处理的效率
图像处理方法装置电子设备

[发明专利]一种区域结构差异化的岩石多尺度孔隙网络模型构建方法-CN202110629037.0有效
发明人：宋文辉;姚军;张凯 -专利权人：中国石油大学（华东）
申请日： 2021-06-07 - 公布日： 2022-12-06 - 主分类号： G01N15/08 文献下载
摘要：本发明公开一种区域结构差异化的岩石多尺度孔隙网络模型构建方法，包括对岩心的预设物理区域开展高低分辨率SEM电镜扫描，将高分辨率SEM电镜图像划分为若干个高分辨率单元，对每个高分辨率单元构建三维数字岩心，并提取高分辨率孔隙网络模型；对低分辨率SEM电镜图像构建三维数字岩心，并提取低分辨率孔隙网络模型；将高分辨率孔隙网络模型通过虚拟喉道进行连接，构建高分辨率组合孔隙网络模型；将高分辨率组合孔隙网络模型与低分辨率孔隙网络模型进行融合，构建多尺度孔隙网络模型。本发明能够精确刻画纳米级孔隙与微米级孔隙分布，能够准确表征岩石孔隙结构和渗透率。
一种区域结构异化岩石尺度孔隙网络模型构建方法

[发明专利]一种高分辨率模型蒸馏低分辨率模型的方法-CN202310767540.1在审
发明人：张宝川;毛辉杰;葛棋棋;陈赟;张子川;肖昌震;陈胜利 -专利权人：浙江千从系统技术有限公司
申请日： 2023-06-26 - 公布日： 2023-09-19 - 主分类号： G06N3/042 文献下载
摘要：本发明涉及一种高分辨率模型蒸馏低分辨率模型的方法，在低分辨率模型中设置改进的特征对齐模块；基于同一输入图像，将高分辨率图像输入高分辨率模型，将低分辨率图像输入低分辨率模型，模型分别处理对应输入，以改进的特征对齐模块对齐特征，在模型间建立关联，训练低分辨率模型，完成高分辨率模型蒸馏低分辨率模型。本发明通过高分辨率输入模型蒸馏低分辨率模型，提升低分辨率模型的模型精度，同时维持低分辨率模型原有的推理速度；不限制高分辨率模型和低分辨率模型的网络结构必须相同；具备通用性，不限定于单一的深度学习任务，在包括但不限于分类、检测、分割等的多种任务中都可以通用，可以扩展到各种类型的算法模型的蒸馏上。
一种高分辨率模型蒸馏分辨率方法

[发明专利]一种图像超分辨重建模型训练方法、船只跟踪方法及装置-CN201911381391.5在审
发明人：邓练兵;陈金鹿;薛剑 -专利权人：珠海大横琴科技发展有限公司
申请日： 2019-12-27 - 公布日： 2020-07-24 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种图像超分辨重建模型训练方法、船只跟踪方法及装置，该图像超分辨重建模型训练方法包括：获取船只图像训练样本，船只图像训练样本为高分辨率训练样本；根据高分辨率训练样本得到低分辨率训练样本；根据低分辨率稀疏表达算法将低分辨率训练样本进行稀疏表达分解，得到低分辨率稀疏训练样本；将低分辨率稀疏表达算法映射到高分辨率上，得到高分辨率稀疏表达算法；根据高分辨率稀疏表达算法将高分辨率训练样本进行稀疏表达分解，得到高分辨率稀疏训练样本；根据低分辨率稀疏训练样本和高分辨率稀疏训练样本对稀疏域深度学习网络模型进行训练，得到图像超分辨重建模型。通过实施本发明，实现高分辨率图像重建精度的提升。
一种图像分辨重建模型训练方法船只跟踪装置

[发明专利]一种图像超分辨率模型训练方法、重建方法及装置-CN202011521181.4有效
发明人：李岩山;周李;陈世富 -专利权人：深圳大学
申请日： 2020-12-21 - 公布日： 2023-10-27 - 主分类号： G06T3/40 文献下载
摘要：本发明提供了一种图像超分辨率模型训练方法、重建方法及装置，该训练方法通过获取训练样本集；将训练样本集中的低分辨率图像输入至预设图像超分辨率模型，得到备选高分辨率图像；分别将备选高分辨率图像及真实高分辨率图像进行图像模式转换，得到对应的可见光图像；基于两组可见光图像与真实可见光图像之间的差异及备选高分辨率图像和真实高分辨率图像的差异，构造损失函数，对预设图像超分辨率模型进行模型训练。通过在可见光空间计算备选高分辨率图像及对应的真实高分辨率图像的映射误差，作为反馈信息参与模型训练，使得训练好的预设图像超分辨率模型可以在大尺度放大倍数情况下也可以输出高保真度的高分辨率图像。
一种图像分辨率模型训练方法重建装置

[发明专利]一种高分辨率的全分布式水文模型TOPX的设计方法-CN201110339326.3无效
发明人：张万昌;雍斌;邵月红 -专利权人：南京大学
申请日： 2011-10-31 - 公布日： 2012-06-20 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种高分辨率的全分布式水文模型TOPX的设计方法，属于全分布式水文模型的设计方法领域。本发明结合新的地形指数计算方法，建立具有地形指数尺度转换机制高分辨率的全分布式水文模型TOPX方法，其步骤为：A）高分辨率的全分布式水文模型TOPX模型数据准备；B)高分辨率的全分布式水文模型TOPX地形指数的计算；C）高分辨率的全分布式水文模型TOPX模型产流计算；D）高分辨率的全分布式水文模型TOPX模型土壤湿度计算；E）高分辨率的全分布式水文模型TOPX模型的汇流计算；F）高分辨率的全分布式水文模型TOPX模型测试结果及其分析。本发明能够简单高效的处理DEM数据，提高地形指数的效率，有效的提高了TOPX模型在在高分辨率的DEM区域的应用。
一种高分辨率分布式水文模型 topx 设计方法

[发明专利]多分辨率模型互联运行方法、系统、设备及可读存储介质-CN202310553904.6在审
发明人：隋文涛;刘伟杰;宋策;孙奇;马勇;孙涛;周伟;赵殿奎;黄喆 -专利权人：南京睿辰欣创网络科技股份有限公司
申请日： 2023-05-16 - 公布日： 2023-08-15 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种多分辨率模型互联运行方法、系统、设备及可读存储介质。该多分辨率模型互联运行方法包括：以低分辨率模型的想定数据为基准，生成高分辨率模型的想定数据，建立两模型间的实体映射关系；基于实体映射关系，解聚低分辨率任务实体，生成多个高分辨率任务实体，将多个高分辨率任务实体的所有权转移给高分辨率模型；执行仿真任务时基于各高分辨率任务实体的参数，更新低分辨率任务实体的参数；聚合高分辨率任务实体，生成低分辨率任务实体，将所有权转移给低分辨率模型。本发明提供的多分辨率模型互联运行方法，充分利用各分辨率模型的优点，满足不同层级模拟训练需求，大大提升了多层级仿真训练系统的灵活性。
分辨率模型联运方法系统设备可读存储介质

[发明专利]基于新老地震资料的高分辨率自动恢复方法-CN202110971162.X在审
发明人：张强;杨勇;于会臻;王树华;曹小朋;李守济;徐鹏晔;王月蕾;杨河山;颜世翠 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司勘探开发研究院
申请日： 2021-08-23 - 公布日： 2023-02-28 - 主分类号： G01V1/30 文献下载
摘要：本发明提供一种基于新老地震资料的高分辨率自动恢复方法，该基于新老地震资料的高分辨率自动恢复方法包括：步骤1，进行新老地震资料精细标定；步骤2，构建地震高分辨率自动恢复三维样本数据库；步骤3，建立基于深度卷积神经网络的高分辨率自动恢复模型；步骤4，进行高分辨率地震恢复模型训练及输出；步骤5，进行老地震资料全工区的高分辨率自动恢复。该基于新老地震资料的高分辨率自动恢复方法根据新地震资料地震分辨率高的特点，直接根据实际资料建立低分辨率数据体和高分辨率数据体间的映射关系，运用训练好的高分辨率地震自动恢复模型对老地震资料进行全工区的高分辨率自动恢复，是一种有效提高地震分辨率的新方法。
基于地震资料高分辨率自动恢复方法

[发明专利]图像超分辨率重建方法、装置、存储介质和计算机设备-CN201911213918.3有效
发明人：陈子涵;李喆;皮昊书;时亨通;宋伟新;马楠;吴中;彭毅;齐翰博;宋书生;周伟文;夏金凯;黄轶群 -专利权人：深圳供电局有限公司
申请日： 2019-12-02 - 公布日： 2023-07-25 - 主分类号： G06T3/40 文献下载
摘要：本申请涉及一种图像超分辨率重建方法、装置、存储介质和计算机设备，包括：对高分辨率图像样本进行降采样处理，得到低分辨率图像样本，通过机器学习模型的第一卷积模块对低分辨率图像样本提取低分辨率图像特征；第二卷积模块对低分辨图像特征进行多次非线性映射，得到高分辨率图像特征；根据高分辨率图像特征构建高分辨率参考图像；计算高分辨率参考图像和高分辨率图像样本间的损失值；将损失值在机器学习模型中进行反向传播，以根据损失值调整机器学习模型的模型参数；获取低分辨率图像，利用训练后所得的机器学习模型将低分辨率图像重建为高分辨率图像，可以避免因人脸图像的分辨率低而导致识别效果差的问题。
图像分辨率重建方法装置存储介质计算机设备

[发明专利]一种基于深度学习的病理图像超分建模方法-CN202011636550.4有效
发明人：刘畅宇;于綦悦;唐玉豪;何俊峰 -专利权人：达科为（深圳）医疗设备有限公司
申请日： 2020-12-31 - 公布日： 2023-06-02 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于深度学习的病理图像超分建模方法，包括从病理真实高分辨率图像获得低分辨率图像，生成高分图像—低分图像对；建立生成器与鉴别器架构；基于低分辨率图像预训练生成器，使得生成器生成的虚拟高分辨率图像与真实高分辨率图像的绝对误差值达到最小误差设定值；基于虚拟高分辨率图像与真实高分辨率图像的对抗损失，优化鉴别器，基于虚拟高分辨率图像与真实高分辨率图像的感知损失，优化生成器，直到模型训练结束，得到超分模型，实现基于低分辨率图像重建高分辨率图像的目的。
一种基于深度学习病理图像建模方法

[发明专利]图像序列的加权自适应超分辨率重建方法-CN201010123621.0无效
发明人：路小波;曾维理;朱周 -专利权人：东南大学
申请日： 2010-03-12 - 公布日： 2010-08-04 - 主分类号： G06T5/50 文献下载
摘要：本发明提出一种图像序列的加权自适应超分辨率重建方法，该方法在鲁棒性和实用性方面优于传统的方法，对获得高质量的图像具有重要的应用价值，它包括如下步骤：(1)取同一传感器获得的连续多帧低分辨率图像，然后对该低分辨率图像序列进行重采样，得到重采样的低分辨率图像序列；(2)利用重采样的低分辨率图像序列重建一帧高分辨率图像，重建一帧高分辨率图像的方法为：首先建立高分辨率图像的退化模型，然后根据给定的高分辨率图像的退化模型以及正则化理论，把退化模型中高分辨率图像的求解过程转化为高分辨率图像的重建优化模型解的优化过程，最后利用逐渐非凸算法对高分辨率图像的重建优化模型进行优化，得到高分辨率图像的最优估计值。
图像序列加权自适应分辨率重建方法

[发明专利]储层参数的预测方法、装置和电子设备-CN202210921368.6有效
发明人：李冬;彭苏萍;郭银玲;杜文凤;卢勇旭;崔晓芹 -专利权人：中国矿业大学（北京）
申请日： 2022-08-02 - 公布日： 2023-03-28 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种储层参数的预测方法、装置和电子设备，包括：获取原始炮集地震数据；基于原始炮集地震数据计算与其对应的包络数据；采用储层参数高分辨率预测模型对原始炮集地震数据和包络数据进行储层参数高分辨率预测，得到高分辨率的储层参数，其中，储层参数高分辨率预测模型为递进式的多任务学习网络。通过上述描述可知，本发明的储层参数的预测方法中，是通过储层参数高分辨率预测模型实现的对储层参数的高分辨率预测，且储层参数高分辨率预测模型为递进式的多任务学习网络，能够得到高分辨率的储层参数，另外，神经网络模型的预测过程耗时短
参数预测方法装置电子设备

[发明专利]一种图像降分辨率模型的处理方法、装置以及处理设备-CN202310130271.8有效
发明人：李登实;王若溪;陈亦欣;高雨;宋昊;薛童;王前瑞 -专利权人：江汉大学
申请日： 2023-02-14 - 公布日： 2023-08-08 - 主分类号： G06T3/40 文献下载
摘要：本申请提供了一种图像降分辨率模型的处理方法、装置以及处理设备，通过模型中对偶学习闭环在生成的高分辨率图像与输入的高分辨率图像间实施自监督学习，从而可以促使图像降分辨率模型实现保留更多细节的图像降分辨率效果方法包括：配置样本图像；将样本图像输入初始的图像降分辨率模型，进行模型训练，图像降分辨率模型包括对偶深度学习结构，降分辨率网络将输入的高分辨率图像转变为对应的低分辨率图像，超分辨率网络将输入的低分辨率图像转化为对应的高分辨率图像，降分辨率网络由损失函数来约束生成的高分辨率图像和样本图像之间的相似性，超分辨率网络由损失函数来约束生成的低分辨率图像之间的相似性；获取完成训练的图像降分辨率模型。
一种图像分辨率模型处理方法装置以及设备

[发明专利]帧循环视频超分辨率-CN201980007326.8有效
发明人： R.维姆拉帕里;M.A.布朗;S.M.M.萨贾迪 -专利权人：谷歌有限责任公司
申请日： 2019-01-02 - 公布日： 2021-09-21 - 主分类号： G06T3/40 文献下载
摘要：本公开提供了增大影像的分辨率的系统和方法。在一个示例实施例中，一种由计算机实现的方法包括获得当前低分辨率图像帧。该方法包括获得先前估计的高分辨率图像帧，先前估计的高分辨率帧是先前低分辨率图像帧的高分辨率估计。该方法包括基于当前低分辨率图像帧来对先前估计的高分辨率图像帧进行翘曲。该方法包括将翘曲的先前估计的高分辨率图像帧和当前低分辨率图像帧输入到机器学习帧估计模型中。该方法包括作为机器学习帧估计模型的输出接收当前估计的高分辨率图像帧，当前估计的高分辨率图像帧是当前低分辨率图像帧的高分辨率估计。
循环视频分辨率

[发明专利]训练数据确定方法、视频处理方法、装置、设备及介质-CN202010245194.7有效
发明人：孟祥飞;朱飞 -专利权人：广州市百果园信息技术有限公司
申请日： 2020-03-31 - 公布日： 2023-07-28 - 主分类号： G06T3/40 文献下载
摘要：训练数据确定方法包括：获取高分辨率视频样本；对高分辨率视频样本进行缩放和数据增强，得到低分辨率视频样本；根据高分辨率视频样本和低分辨率视频样本确定视频超分辨率模型的训练数据。本发明实施例的技术方案，基于高分辨率视频样本可以生成更加真实的低分辨率视频样本，进而提高了视频超分辨率模型的训练数据的真实性，使得采用该训练数据得到的模型更加准确，在采用所得到模型进行视频超分辨率处理时，能够得到效果更优的高分辨率视频。
训练数据确定方法视频处理装置设备介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条