摘要
本发明公开了一种面向图像分割的图像超分辨率增强方法,通过构建任务驱动的联合训练框架,将超分辨率增强与图像语义分割相结合,同时训练分割网络和超分辨率增强网络,通过相互协同优化,促使分割结果与超分辨率增强结果相互增强,完成图像分割。本发明的方法与现有的单一训练方法不同,能够显著提升超分辨率增强和语义分割任务的整体性能,通过同时优化超分辨率增强和语义分割的损失函数,充分结合图像的细节信息和语义信息,提高增强图像的质量和语义一致性,通过引入针对性损失函数,有效整合图像的高频细节和上下文信息,确保在图像增强的同时,提高语义分割的精度,不仅提高了模型的解释能力,也显著增强了其在复杂场景下的鲁棒性和适应性。
技术关键词
面向图像分割
图像超分辨率
解码器
卷积模块
编码器
表达式
注意力
卷积神经网络结构
保留图像边缘
像素
解码模块
图像语义分割
上采样方法
编码模块
系统为您推荐了相关专利信息
发言者
交叉注意力机制
英文自然语言
融合外部知识
预训练语言模型
深度学习模型
探地雷达数据
Gabor滤波器
分类器
网络
三维生成方法
视角
模型训练方法
二维图像特征
符号