【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种用于提升超分gan网络感知能力的训练系统及方法。
技术介绍
1、超分任务旨在输入ilr，输出通过人的感知清晰度更高、质感更好、信息更多的isr，以逼近真实的ihr的效果。目前，解决超分问题的主流方法是使用深度学习技术，网络通常基于卷积神经网络结构，分为对抗网络和非对抗网络两种架构。前者在后者的基础上，增加了判别器用于学习区分isr和ihr以约束生成器的训练过程。对抗网络的代表网络有bsrgan、esrgan、real-esrgan等，非对抗网络的代表网络有srcnn、realsr等。基于深度学习的超分方法拥有较高的计算效率和精度，但受限于其损失函数的构成往往是l1损失、感知损失和对抗损失，并且其对应的权重固定设置为1，1，0.1，这会对输入的训练数据对一视同仁，然而对于数据集而言，可将所输入的原始图片分为4类，第一类是高频信息居多，低频信息居少的图片；第二类是高低频信息各自接近一半；第三类是低频信息居多，高频信息居少的图片；第四类是全是低频信息(也就是背景图片)，而神经网络学习过程中所需要的是数据信息...
【技术保护点】
1.一种用于提升超分GAN网络感知能力的训练系统，其特征在于，所述系统包括有下采样组件和损失组件；
2.一种基于权利要求1所述系统进行的用于提升超分GAN网络感知能力的训练方法，其特征在于，包括如下内容：
3.根据权利要求2所述的用于提升超分GAN网络感知能力的训练方法，其特征在于，S2中所述训练数据对样本由高分辨率图像和低分辨率图像组成，所述低分辨率图像由高分辨率图像经过放缩、裁剪获得。
4.根据权利要求2所述的用于提升超分GAN网络感知能力的训练方法，其特征在于，S2中所述预处理包括有模糊化、插值下采样、注入噪声和JPEG压缩；...
【技术特征摘要】
1.一种用于提升超分gan网络感知能力的训练系统，其特征在于，所述系统包括有下采样组件和损失组件；
2.一种基于权利要求1所述系统进行的用于提升超分gan网络感知能力的训练方法，其特征在于，包括如下内容：
3.根据权利要求2所述的用于提升超分gan网络感知能力的训练方法，其特征在于，s2中所述训练数据对样本由高分辨率图像和低分辨率图像组成，所述低分辨率图像由高分辨率图像经过放缩、裁剪获得。
4.根据权利要求2所述的用于提升超分gan网络感知能力的训练方法，其特征在于，s2中所述预处理包括有模糊化、插值下采样、注入噪声和jpeg压缩；其中，所述插值下采样通过对一张图片采用多种插值算法进行计算，具体内容如下：
5.根据权利要求2所述的用于提升超分gan网络感知能力的训练方法，其特征在于，所述s3具体包括如下内容：
6.根据权利要求2所述的用于提升超分gan网络感知能力的训练方法，其特征在于，s6中所述训练对抗网络具体...
【专利技术属性】
技术研发人员：熊硕，庹皓然，黄建邦，李可文，张希堂，曹华，
申请(专利权)人：深圳市明诚科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。