一种图像去噪模型的训练方法及系统

文档序号:35166914发布日期:2023-08-18 13:49阅读:来源:国知局

技术特征:

1.一种图像去噪模型的训练方法,其特征在于,包括:

2.根据权利要求1所述的训练方法,其特征在于,在步骤1之前,还包括:

3.根据权利要求1所述的训练方法,其特征在于,所述学生网络包括:第一编码器模块、第一解码器模块和第一上下文连接模块;

4.根据权利要求1所述的训练方法,其特征在于,所述教师网络包括:第二编码器模块、第二解码器模块和第二上下文连接模块;

5.根据权利要求1所述的训练方法,其特征在于,所述降噪损失的损失函数表达式,具体如下:

6.根据权利要求1所述的训练方法,其特征在于,所述去噪损失的损失函数表达式,具体如下:

7.根据权利要求5所述的训练方法,其特征在于,所述随迭代次数变化的系数λ的计算公式,具体如下:

8.根据权利要求1所述的训练方法,其特征在于,所述步骤3,具体如下:

9.根据权利要求1所述的训练方法,其特征在于,所述udnet网络框架包括多尺度聚合注意力模块msaa和多尺度线性交叉注意力模块mlca。

10.一种图像去噪模型的训练系统,其特征在于,包括:


技术总结
本发明公开了一种图像去噪模型的训练方法及系统,涉及数字图像处理和计算机视觉领域,方法包括:首先将噪声图像数据和真实世界图像数据输入至学生网络,得到噪声图像去噪数据和第一真实世界图像去噪数据;将真实世界图像数据输入至教师网络,得到第二真实世界图像去噪数据;根据得到的数据,确定学生网络的降噪损失;然后以降噪损失最小为目标,更新学生网络的权重参数;根据更新后学生网络的权重参数,对教师网络的权重参数进行更新。基于本发明的训练方法,在训练教师‑学生网络时,只需要使用噪声图像数据和真实世界图像数据,便可以对图像去噪模型进行训练,而无需获取高质量的干净图像对。

技术研发人员:王莞茹,唐赫
受保护的技术使用者:湖北工业大学
技术研发日:
技术公布日:2024/1/14
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1