【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种面向多种退化类型的低质量图像分类方法。
技术介绍
1、随着深度学习的发展与进步，涌现出了许多经典的图像分类方法，例如经典的alexnet、vggnet、resnet等，现有的图像分类模型在许多高质量图像上获得了很高的准确率。然而，实际应用中获取的图像往往包含图像退化，这些针对清晰图像的分类模型对低质量图像进行分类时，分类性能往往会下降。
2、目前，对低质量图像的研究一般集中在图像复原任务上，例如图像超分、图像去雾等。有方案研究了低质量图像分类任务，但大都是针对单一的退化类型，例如低分辨率图像的分类。然而，实际应用中往往产生不同退化类型的低质量图像，比如雾霾、雨、模糊等，目前针对多种退化类型的低质量图像分类方法极少。
3、当将针对清晰图像的图像分类方法应用于低质量图像时，分类性能会下降。目前，现有技术中的图像分类模型的缺点包括：现有的分类模型大多都是针对清晰数据集进行训练测试的，这些模型应用到低质量图像上时，模型的分类准确率大幅降低，且退化程度越严重，分类准确率越低。其次，针对低...
【技术保护点】
1.一种面向多种退化类型的低质量图像分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的利用图像复原模块对待分类的低质量图像进行复原，得到复原图像，所述低质量图像为随机类型的退化图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述的使用基于Prompt的特征融合模块对所述低质量图像中的特征和所述复原图像中的特征进行融合，得到融合输出特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述的构建包括教师分支模型和学生分支模型的双分支分类网络，通过所述教师分支模型对清晰图像进行分类，获取清晰图像的类...
【技术特征摘要】
1.一种面向多种退化类型的低质量图像分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述的利用图像复原模块对待分类的低质量图像进行复原，得到复原图像，所述低质量图像为随机类型的退化图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述的使用基于prompt的特征融合模块对所述低质量图像中的特征和所述复原图像中的特征进行融合，得到融合输出特征，包括：
4.根据权利要求3所述的方...
【专利技术属性】
技术研发人员：裴艳婷，陈永曦，杨帆，郝民豪，
申请(专利权)人：北京交通大学，
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。