用于训练对图像进行去噪的机器学习模型的系统及方法技术方案

在一些实例中，可训练机器学习模型来对图像进行去噪

【技术实现步骤摘要】
【国外来华专利技术】用于训练对图像进行去噪的机器学习模型的系统及方法
[0001]相关申请的交叉参考
[0002]本申请要求对2021年8月18日申请的第17/445,379号美国非临时申请的优先权，所述非临时申请要求2021年3月19日申请的标题为“用于对图像进行去噪的模块化机器学习模型及用于使用所述模块化机器学习模型的系统及方法(MODULAR MACHINE LEARNING MODELS FOR DENOISING IMAGES AND SYSTEMS AND METHODS FOR USING SAME)”的第63/163,678号临时申请、2021年3月19日申请的标题为“用于对图像进行去噪的机器学习模型的构建单元及用于使用所述构建单元的系统及方法(BUILDING UNITS FOR MACHINE LEARNING MODELS FOR DENOISING IMAGES AND SYSTEMS AND METHODS FOR USING SAME)”的第63/163,682号临时申请，及2021年3月19日申请的标题为“用于训练对图像进行去噪的机器学习模型的系统及方法(SY本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，其包括：将表示机器学习模型的特征矩阵的权重的初始值设置的一或多个数据位写入到存储器；将代表图像序列的第一图像及第二图像的第一信号作为输入提供到经配置为所述机器学习模型的第一分支的电路系统；将代表所述图像序列的所述第一图像及第三图像的第二信号作为输入提供到经配置为所述机器学习模型的第二分支的电路系统，其中所述第一及第二信号各自包括噪声；从经配置为所述第一分支的所述电路系统接收第一输出，且从经配置为所述第二分支的所述电路系统接收第二输出；及将表示与所述初始值不同的所述权重的调整值的一或多个数据位写入到所述存储器，所述调整值至少部分基于第一输出及所述第二输出满足阈值的特性。2.根据权利要求1所述的方法，其中所述第一图像及所述第二图像是所述图像序列的连续图像，且所述第一图像及所述第三图像是所述图像序列的连续图像。3.根据权利要求1所述的方法，其中所述阈值表示损失函数的最小值，其中所述损失函数包括噪声对噪声项及正则化项。4.根据权利要求3所述的方法，其中所述噪声对噪声项至少部分基于：第一项，其包括所述第二图像及所述第二输出的差；第二项，其包括所述第三图像及所述第一输出的差；及第三项，其包括所述第一输出及所述第二输出的差。5.根据权利要求4所述的方法，其中所述噪声对噪声项包括包含所述第一项、所述第二项及所述第三项的加权和的函数。6.根据权利要求5所述的方法，其中所述第一项的权重及所述第二项的权重相等。7.根据权利要求5所述的方法，其中所述第三项的权重为负。8.根据权利要求5所述的方法，其中所述噪声对噪声项包括所述函数的平均值。9.根据权利要求3所述的方法，其中所述正则化项包括L2范数权重衰减项。10.根据权利要求1所述的方法，其中所述方法至少部分由ADAM优化器执行。11.一种用指令编码的非暂时性计算机可读媒体，其中当所述指令由包含在计算系统中的至少一个处理器执行时，致使所述计算系统：在存储器中写入机器学习模型的特征矩阵的权重的初始值；将训练数据集提供到所述存储器作为到所述机器学习模型的输入，其中所述训练数据集包括多个图像序列，其中所述图像序列的图像包含噪声；至少部分基于所述训练数据集而从所述机器学习模型接收所述多个图像序列中的个别者的第一输出及第二输出；至少部分基于所述第一输出及所述第二输出来计算损失函数的值；及至少部分基于所述损失函数的所述值而将所述权重的调整值写入到所述存储器。12.根据权利要求11所述的非暂时性计算机可读媒体，其中所述多个图像序列中的个别者的第一部分被提供到所述机器学习模型的第一分支，且所述多个图像序列中的个别者的第二部分被提供到所述机器学习模型的第二分支，其中所述第一输出至少部分基于所述第一部分，且所述第二输出至少部分基于所述第
二部分。13.根据权利要求12所述的非暂时性计算机可读媒体，其中所述第一部分及所述第二部分重叠至少一个图像。14.根据权利要求12所述的非暂时性计算机可读媒体，其中所述机器学习模型的所述第一分支及所述第二分支包括相同架构。15.根据权利要求14所述的非暂时性计算机可读媒体，其中所述架构包括循环神经网络。16.根据权利要求11所述的非暂时性计算机可读媒体，其中所述损失函数包括噪声对噪声项。17.根据权利要求16所述的非暂时性计算机可读媒体，其中所述噪声对噪声项包括：第一项，其至少部分基于所述多个序列中的所述个别者的第一部分及所述第二图像及所述第二输出；第二项，其至少部分基于所述多个序列中的所述个别者的第二部分及所述第一输出；及第三项，其至少部分基于所述第一输出及所述第二输出的差。18.根据权利要求16所述的非暂时性计算机可读媒体，其中所述损失函数进一步包括与所述噪声对噪声项相加的正则化项。19.根据权利要求18所述的非暂时性计算机可读媒体，其中所述正则化项包括加权衰减L2范数。20.根据权利要求11所述的非暂时性计算机可读媒体，其中所述第一输出是去除所述噪声的至少第一部分的所述多个图像序列中的个别者的图像，且所述第二输出是去除所述噪声的至少第二部分的所述多个图像序列中的所述个别者的所述图像。21.根据权利要求20所述的非暂时性计算机可读媒体，其中所述噪声的所述第一部分及所述噪声的所述第二部分是不同的。22.一种系统，其包括...

【专利技术属性】
技术研发人员：B，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：