摘要
本发明涉及图像处理领域,尤其是指一种基于多任务学习的图像联合处理方法及系统,该方法包括:构建图像联合处理模型;其中,所述图像联合处理模型包括浅层特征提取模块、深层特征提取模块、超分重建模块和半色调重建模块;设计联合损失函数对所述图像联合处理模型进行训练,得到训练后的图像联合处理模型;所述训练后的图像联合处理模型通过所述超分重建模块生成超分辨率图像,通过所述半色调重建模块生成半色调图像。本发明通过共享模型的方式进行联合建模,在损失函数中,设计了一种联合损失方式,分别添加了图像半色调损失和图像超分损失,同时优化图像超分和图像半色调的效果,也解决了现有多任务模型的计算复杂度高、处理速度慢的问题。
技术关键词
深层特征提取
浅层特征提取
多任务
生成超分辨率图像
联合损失函数
生成半色调
图像超分辨率
输出特征
像素点
编码器
解码器架构
多层次特征
离散余弦变换
级联
高斯滤波器
模型训练模块
系统为您推荐了相关专利信息
历史气象数据
区域综合能源系统
负荷特征
指标
联合预测方法
焊点缺陷检测方法
焦点损失函数
联合损失函数
融合特征
检测头
学习算法
辅助诊疗系统
骨传导麦克风
声学特征
矩阵
多任务损失函数
预报方法
气象
双通道架构
卫星影像数据