图片重构模型训练方法、图片重构方法、设备及介质技术

本申请实施例涉及图片重构技术领域，公开了一种图片重构模型训练方法、图片重构方法、设备及介质，通过建立第一样本图片和第二样本图片之间的映射关系，根据映射关系创建初始图片重构模型，然后根据反向传播算法对初始图片重构模型进行优化得到图片重构模型，接着将第一图片输入图片重构模型得到第二图片，第二图片的分辨率大于第一图片的分辨率。通过上述方式，本申请实施例实现了将低分辨率的图片重构成高分辨率的图片。成高分辨率的图片。成高分辨率的图片。

【技术实现步骤摘要】
图片重构模型训练方法、图片重构方法、设备及介质


[0001]本申请实施例涉及图片重构
，具体涉及一种图片重构模型训练方法、图片重构方法、设备及介质。

技术介绍

[0002]随着经济和社会的发展，人们对于图片的分辨率要求越来越高，相比于低分辨率的图片，高分辨率的图片具有更高的像素密度，从而可以提供更多的图片细节，在实际应用中可以起到重要作用。目前，高分辨率图片广泛应用于各个领域，例如医学成像领域需要高分辨率的图片以对患者进行疾病诊断，视频感知领域需要高分辨率的图片以提高视频画质等。
[0003]目前，在一些应用场景下，由于硬件设备和成像技术的限制，生成的图片的分辨率较低，导致无法满足人们的需求。若通过提高硬件设备的配置从而提高生成图片的质量，将导致成本增加。为了降低成本，可以考虑在软件方面进行改进，从而得到高分辨率的图片。具体地，当硬件设备生成的是分辨率较低的图片时，如何对低分辨率的图片进行处理以得到高分辨率的图片成为了需要解决的问题。

技术实现思路

[0004]鉴于上述问题，本申请实施例提供了一种图片重构模型训练方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片重构模型训练方法，其特征在于，所述方法包括：获取多个第一样本图片，所述第一样本图片的图片尺寸均相同；通过将每个所述第一样本图片的图片尺寸缩小至尺寸A得到第二样本图片，组成多组样本图片，每组样本图片包括一个所述第一样本图片和与所述第一样本图片对应的所述第二样本图片，所述第一样本图片的分辨率高于所述第二样本图片；建立每组样本图片内所述第一样本图片和所述第二样本图片的映射关系；根据所述映射关系创建初始图片重构模型；根据反向传播算法对所述初始图片重构模型进行优化得到图片重构模型。2.如权利要求1所述的图片重构模型训练方法，其特征在于，所述初始图片重构模型包括多个神经元，所述根据反向传播算法对所述初始图片重构模型进行优化得到图片重构模型，包括：针对每个所述第二样本图片，执行第一操作：将所述第二样本图片输入所述初始图片重构模型得到第一重建图片；计算所述第一重建图片和与输入所述初始图片重构模型的所述第二样本图片对应的所述第一样本图片的第一特征误差；通过链式法反向传播所述第一特征误差，计算得到每个所述神经元对所述第一特征误差的贡献；基于由每个所述第二样本图片计算得到的所有所述贡献，通过梯度下降算法调整所述初始图片重构模型的参数；针对每个所述第二样本图片，执行第二操作：将所述第二样本图片输入调整参数后的初始图片重构模型得到第二重建图片；计算所述第二重建图片和输入所述调整参数后的初始图片重构模型的所述第二样本图片对应的所述第一样本图片的第二特征误差；针对由每个所述第二样本图片计算得到的所述第二特征误差，判断每个所述第二特征误差是否均小于第一阈值；若是，将所述调整参数后的初始图片重构模型作为所述图片重构模型；若否，将所述调整参数后的初始图片重构模型作为所述初始图片重构模型，转至所述针对每个所述第二样本图片，执行第一操作的步骤。3.一种图片重构方法，其特征在于，所述方法包括：获取第一图片；将所述第一图片输入图片重构模型得到第二图片，所述图片重构模型根据权利要求1或2所述的图片重构模型训练方法训练得到，所述第二图片的分辨率大于所述第一图片的分辨率，所述第二图片的图片尺寸与第一样本图片的图片尺寸相同。4.如权利要求3所述的图片重构方法，其特征在于，在所述获取第一图片之后，所述方法还包括：若所述第一图片的图片尺寸与第二样本图片的图片尺寸不相同，对所述第一图片进行缩放和/或裁剪得到图片尺寸为所述尺寸A的第一图片；对所述图片尺寸为所述尺寸A的第一图片进行归一化和灰度化；所述将所述第一图片输入图片重构模型得到第二图片，包括：将所述图片尺寸为所述尺寸A的第一图片输入所述图片重构模型得到所述第二图片。5.如权利要求4所述的图片重构方法，其特征在于，所述将所述第一图片输入图...

【专利技术属性】
技术研发人员：何润杰，张恒瑞，胡晓蕾，
申请(专利权)人：广东省工业边缘智能创新中心有限公司，
类型：发明
国别省市：