摘要
本发明公开了基于轻量化循环对抗生成网络的夜间‑日间图像转换方法,涉及图像转换与模型压缩领域,该方法包括以下步骤:从夜间数据集与日间数据集中挑选图像数据,结合联合损失函数并生成转换夜间与日间图像的最终网络模型;将共享注意力模块引入生成的最终网络模型中,并构建用于夜间到日间图像转换的共享注意力循环对抗生成网络模型;通过引用知识蒸馏算法压缩共享注意力循环对抗生成网络模型,得到教师生成器模型,并将知识通过教师生成器模型传递至学生生成器模型;将学生生成器模型中的特征图通过解码器对特征图进行上采样还原,得到夜间到日间的转换后的图像。本发明有效缓解了图像颜色失真、目标细节模糊等问题。
技术关键词
循环对抗生成网络
图像转换方法
联合损失函数
注意力
教师
学生
蒸馏
数据
编码器结构
生成对抗网络
解码器结构
超参数
上采样
模型压缩
模块
瓶颈
系统为您推荐了相关专利信息
版面生成方法
文本
大语言模型
主题关键词
计算机可读指令
联运路径优化方法
XGBoost模型
历史运行数据
网络
动态更新
图像分类系统
光谱图像分类方法
浅层特征提取
重构
注意力机制