[发明专利]基于分区卷积和关联损失的双阶段图像补全方法及系统有效
| 申请号： | 201910598856.6 | 申请日： | 2019-07-04 |
| 公开（公告）号： | CN110473151B | 公开（公告）日： | 2022-05-03 |
| 发明（设计）人： | 刘祥龙;马宇晴;王磊;白世豪 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06N3/04 |
| 代理公司： | 北京汲智翼成知识产权代理事务所(普通合伙) 11381 | 代理人： | 陈曦;陈丽 |
| 地址： | 100190*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于分区卷积和关联损失的双阶段图像补全方法及系统。其中，该方法包括如下步骤：S1，对完整图片随机生成缺失区域构成缺失图片；S2，缺失图片经过第一阶段网络，采用分区卷积，生成初步的补全结果；对生成的初步的补全结果构建关联损失和一范数损失；S3，初步的补全结果经过第二阶段网络，采用普通卷积，生成细致的补全结果；对生成的细致的补全结果构建风格损失和一范数损失；S4，计算整体损失函数，迭代步骤S1～S3的训练，直至整体损失函数收敛，完成训练。本发明在保证模型泛化能力的同时，有效提升深度学习模型对于对抗样本噪音和自然噪音的鲁棒性，提高深度学习模型在实际场景中应用时的稳定性。 | ||
| 搜索关键词： | 基于 分区 卷积 关联 损失 阶段 图像 方法 系统 | ||
【主权项】：
1.一种基于分区卷积和关联损失的双阶段图像补全方法，其特征在于包括如下步骤：/nS1，对完整图片随机生成缺失区域构成缺失图片；/nS2，所述缺失图片经过第一阶段网络，采用分区卷积，生成初步的补全结果；对生成的初步的补全结果构建关联损失和一范数损失；/nS3，初步的补全结果经过第二阶段网络，采用普通卷积，生成细致的补全结果；对生成的细致的补全结果构建风格损失和一范数损失；/nS4，计算整体损失函数，迭代步骤S1～S3的训练，直至整体损失函数收敛，完成训练。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910598856.6/，转载请声明来源钻瓜专利网。
