龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：临沂大学;沈阳化工大学
摘要：本发明涉及一种基于扩散模型的轻量图像超分辨率学习方法，属于图像超分辨率技术领域。包括以下步骤：S1：正向过程；S2：预测噪声；S3：稀疏动量；S4：训练过程；S5：反向过程。通过本发明的技术方案，能够提高图像超分的速度，使扩散模型在反向推理阶段不需要按照设定的最大时间步来进行图像去噪，帮助扩散模型优化了预测噪声的模式，并且采用的稀疏动量方法，进一步减少模型的参数，让模型在稀疏的网络下能达到稠密网络的性能，显著提升图像超分辨率的速度与效率，同时在减少计算需求的基础上保持高精度输出。
主权项：1.一种基于扩散模型的轻量图像超分辨率学习方法，其特征在于，包括以下步骤：S1.正向过程：输入低分辨率图像LR、放大因子s以及对应的高分辨率图像x0，通过T次累积对x0添加噪声，直到变成完全的噪声xT，用于后续的噪声预测；S2.预测噪声：首先，将对应的时间t以及加了噪声的图像共同输入到Unet中，Unet对输入的时间步信息与图像特征进行深度分析与融合，接着进行噪声的预测，得到单个时间步的噪声图Z；S3.稀疏动量：在模型训练之前，将模型添加到mask中进行掩码操作，经过剪枝操作、跨层权重配置以及权重再生进行权重的稀疏化；S4.训练过程：首先计算对应时间步的噪声，然后进行损失计算，通过不断调整模型参数，使损失逐渐减小，重复上述步骤直至模型达到满意的性能指标以及预设的训练次数；S5.反向过程：从一个与高分辨率图像x0形状相同的随机生成的噪声张量y开始通过Unet网络进行噪声预测，在所述Unet网络中，设置每e个时间步为一个周期，共设定F个周期，通过跳步与并行的方法来一次生成e个时间步的噪声图，之后进行去噪，最终输出超分辨率图像。
全文数据：
权利要求：
百度查询： 临沂大学 沈阳化工大学 一种基于扩散模型的轻量图像超分辨率学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号