【技术实现步骤摘要】
本公开涉及深度学习，尤其涉及一种图像局部特征的训练方法、装置、电子设备、芯片及介质。
技术介绍
1、超分辨率技术(super-resolution，sr)是近年来计算机视觉和图像处理领域中的一个研究热点。其主要目标是将低分辨率图像(视频)转换为高分辨率图像(视频)。随着时代发展，人们对图像、视频都有了更高质量的要求。在传输过程中，由于传输带宽的限制，需要将视频、图像进行压缩处理。因此存在细节信息的损失，需要使用相应的手段进行质量提升。
2、但是，现有技术中减少细节损失的方法是将全局损失函数直接应用于待训练模型中，由于待训练模型的学习能力和注意力是有限的，在全局模式下可能对所有特征都进行关注，会使待训练模型的训练效果较差，导致待训练模型的输出与目标局部特征之间存在较大误差。
技术实现思路
1、本公开提供一种图像局部特征的训练方法、装置、电子设备、芯片及介质，以解决相关技术中的问题，实现待训练模型可以针对目标局部特征进行训练，使待训练模型可以在目标局部特征下达到更好的效果。
...【技术保护点】
1.一种图像局部特征的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将多个图像分别输入至待训练模型和局部目标模型，获取输出结果包括：
3.根据权利要求2所述的方法，其特征在于，所述所述将所述输出结果输入至损失函数，获取局部特征损失值包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述局部特征损失值反馈至待训练模型，对所述待训练模型进行迭代修正，以使所述待训练模型具有所述目标局部特征包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述目标局部特征的数量为至少一个，...
【技术特征摘要】
1.一种图像局部特征的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将多个图像分别输入至待训练模型和局部目标模型，获取输出结果包括：
3.根据权利要求2所述的方法，其特征在于，所述所述将所述输出结果输入至损失函数，获取局部特征损失值包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述局部特征损失值反馈至待训练模型，对所述待训练模型进行迭代修正，以使所述待训练模型具有所述目标局部特征包括：
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述目标局部特征的数量为至少一个，所述目标局部特征包括以下至少...
【专利技术属性】
技术研发人员：于浩东，伦朝林，张恒，尹玄武，
申请(专利权)人：上海玄戒技术有限公司，
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。