[发明专利]具有深度神经网络的RCCC到RGB域转化

说明书

本公开提供了“具有深度神经网络的RCCC到RGB域转化”。本公开公开了一种用于将红‑清晰‑清晰‑清晰(RCCC)图像转化(例如，映射)为红‑绿‑蓝(RGB)图像的系统和方法。在示例性实现方式中，所述系统和所述方法可以在深度神经网络处接收具有红‑清晰‑清晰‑清晰(RCCC)图像图案的图像，其中所述深度神经网络包括生成器和鉴别器；基于具有所述RCCC图像图案的所述图像在所述生成器处生成红‑绿‑蓝(RGB)图像；在所述鉴别器处确定所述RGB图像是机器生成的还是源自真实数据分布；以及在所述鉴别器确定所述RGB图像是机器生成的时更新所述生成器的至少一个权重。

技术领域

本公开总体上涉及深度神经网络。

背景技术

深度神经网络(DNN)可以用于执行许多图像理解任务，包括分类、分割和生成字幕。通常，DNN需要大量的训练图像(数万至数百万)。另外，为了训练和预测的目的，通常需要对这些训练图像进行注解。

发明内容

一种系统包括计算机，所述计算机包括处理器和存储器，并且存储器包括指令，使得处理器被编程为在深度神经网络处接收具有红-清晰-清晰-清晰(RCCC)图像图案的图像，其中深度神经网络包括生成器和鉴别器；基于具有RCCC图像图案的图像在生成器处生成红-绿-蓝(RGB)图像；在鉴别器处确定RGB图像是机器生成的还是源自真实数据分布；以及在鉴别器确定RGB图像是机器生成的时更新生成器的至少一个权重。

在其他特征中，基于具有RCCC图像图案的图像与生成的RGB图像之间的空间关系比较来更新至少一个权重。

在其他特征中，处理器还被编程为基于具有RCCC图像图案的图像来生成多个实例分割标签，并且基于生成的RGB图像来生成多个实例分割标签。

在其他特征中，处理器还被编程为：将具有RCCC图像图案的图像的多个实例分割标签中的至少一个实例分割标签与生成的RGB图像的多个实例分割标签中的至少一个实例分割标签进行比较；以及确定具有RCCC图像图案的图像的至少一个实例分割标签与RGB图像的至少一个实例分割标签之间的差值。

在其他特征中，处理器还被编程为当差值大于预定空间关系阈值时更新至少一个权重。

在其他特征中，基于对应于具有RCCC图像图案的图像的像素分布与对应于生成的RGB图像的灰度图像的像素分布的比较来更新至少一个权重。

在其他特征中，基于对应于具有RCCC图像图案的图像的亮度值与对应于生成的RGB图像的亮度值的比较来更新至少一个权重。

一种系统包括计算机，所述计算机包括处理器和存储器，所述存储器包括指令，使得处理器被编程为：在深度神经网络处接收具有红-清晰-清晰-清晰(RCCC)图像图案的图像，其中深度神经网络包括生成器和鉴别器；基于具有RCCC图像图案的图像在生成器处生成红-绿-蓝(RGB)图像；在鉴别器处确定RGB图像是机器生成的还是源自真实数据分布；以及在鉴别器确定RGB图像是机器生成的时更新生成器的至少一个权重，其中基于RCCC图像与生成的RGB图像之间的空间关系比较来更新至少一个权重。

在其他特征中，处理器还被编程为基于RCCC图像来生成多个实例分割标签，并且基于生成的RGB图像来生成多个实例分割标签。

在其他特征中，处理器还被编程为：将具有RCCC图像图案的图像的多个实例分割标签中的至少一个实例分割标签与生成的RGB图像的多个实例分割标签中的至少一个实例分割标签进行比较；以及确定具有RCCC图像图案的图像的至少一个实例分割标签与RGB图像的至少一个实例分割标签之间的差值。

在其他特征中，处理器还被编程为当差值大于预定空间关系阈值时更新至少一个权重。

在其他特征中，基于对应于具有RCCC图像图案的图像的像素分布与对应于生成的RGB图像的灰度图像的像素分布的比较来更新至少一个权重。