摘要
本申请公开了一种模型训练方法、红外图像超分辨率重建方法、装置及电子设备,所提出的红外图像重建模型利用RepViT块强大的特征提取能力和递归残差结构在图像重建中的优势,有效解决了传统红外图像超分辨率重建技术在处理红外图像时存在的计算量大、重建效果差等问题,RepViT块的Transformer结构可以并行处理输入序列的所有信息,能更好地整合全局信息,而递归残差结构可以更好地提取图像的结构化信息,提升网络的特征提取能力。
技术关键词
模型训练方法
图像重建
图像全局特征
深层特征提取
浅层特征提取
特征提取模块
图像超分辨率重建
局部特征提取
残差模块
融合特征
特征提取能力
模型训练装置
网络
残差结构
图像获取单元
数据获取单元
电子设备
系统为您推荐了相关专利信息
数据分类模型
模型训练方法
数据分类方法
训练样本集
数据分类装置
矩阵
组学特征
分类模型训练方法
特征生成方法
训练集
模型训练方法
芯片
更新模型参数
数据
非暂态计算机可读存储介质
回环检测方法
词典数据库
构建词典
神经网络架构搜索
图像全局特征