摘要
本申请公开了一种通用降噪模型训练方法、降噪方法、装置、设备及介质,该方法包括:基于多个图像传感器以及非盲类降噪模型中与多个图像传感器对应的多分支仿射变换结构对非盲类降噪模型进行训练,得到目标非盲类降噪模型;将其中多分支仿射变换结构替换为利用噪声图像在特征域进行估计的单仿射变换结构,形成盲类降噪模型;对盲类降噪模型进行训练,得到目标通用降噪模型。由于将非盲类降噪模型中与多个图像传感器对应的多分支仿射变换结构替换为单仿射变换结构,实现了非盲类到盲类降噪模型的自适应转换,减小了网络参数学习的搜索空间,能够降低直接训练盲类通用降噪模型的难度,提升了最终盲类通用降噪模型的泛化能力以及鲁棒性。
技术关键词
降噪模型
图像传感器
图像特征提取
图像降噪方法
噪声图像
多分支
图片
卷积模块
样本
特征提取器
噪声参数
数据
训练装置
处理器
可读存储介质
系统为您推荐了相关专利信息
图像去噪方法
加速算法
编码模块
噪声图像
图像去噪系统
运动器械
数据监控系统
语音提醒器
维保
存储单元
划痕缺陷
暗场照明装置
瑕疵检测方法
深度卷积神经网络
亮度校正
图像特征提取模型
对象
训练样本集
特征提取方式
神经网络模型
状态智能监测系统
定型机针板
图像处理算法
运动相机
反射镜组件