【技术实现步骤摘要】
本专利技术涉及深度学习，具体讲是红外超分网络模型的训练方法、系统及其存储介质。
技术介绍
1、超分辨率技术是一种用于提高图像或视频分辨率的重要技术，旨在从低分辨率输入图像中重建出高分辨率的图像。这项技术在计算机视觉领域中扮演着关键角色，能够增强图像的细节和清晰度，改善视觉体验。近年来，基于深度学习的超分辨率技术得到了广泛关注和发展，通过神经网络的学习和优化，能够实现更加精确和有效的图像重建。超分辨率技术不仅可以应用于图像增强、视频处理等领域，但超分辨率网络对算力要求很高，主要原因在于其复杂的算法和大量的计算量。这些网络通过复杂的神经网络结构来实现图像的细节增强，这就需要大量的计算资源。虽然超分辨率技术可以显著提高图像质量，但在端侧设备上部署时，由于设备算力有限，往往会导致性能下降和处理速度极慢。
技术实现思路
1、因此，为了解决上述不足，本专利技术在此提供一种红外超分网络模型的训练方法、系统及其存储介质，本专利技术相较于现有技术能够实现更加精确和有效的图像重建，并且不会增加侧端设备的算力，...
【技术保护点】
1.一种红外超分网络模型的训练方法，其特征在于，所述红外超分网络模型是通过重参网络块及转置卷积构建的轻量级超分网络模型，适用于端侧设备；
2.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，所述重参网络块包括：
3.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，还包括，通过如下公式算输出结果和目标结果的损失，反向传播计算梯度，再反向传播；
4.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，训练所述量级超分网络模型时，先训练基于服务器的重型超分网络模型，然后再将该重型超分模型作为教师网络对...
【技术特征摘要】
1.一种红外超分网络模型的训练方法，其特征在于，所述红外超分网络模型是通过重参网络块及转置卷积构建的轻量级超分网络模型，适用于端侧设备；
2.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，所述重参网络块包括：
3.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，还包括，通过如下公式算输出结果和目标结果的损失，反向传播计算梯度，再反向传播；
4.根据权利要求1所述一种红外超分网络模型的训练方法，其特征在于，训练所述量级超分网络模型时，先训练基于服务器的重型...
【专利技术属性】
技术研发人员：曾钦勇，明鑫，尹小杰，
申请(专利权)人：成都浩孚科技有限公司，
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。