摘要
本发明提供一种基于UNet网络的图像降噪模型训练方法、计算机装置及存储介质,该方法包括:采集不同场景下的原始图像数据;根据原始图像数据生成噪声‑真值图像对;利用UNet网络搭建教师模型和学生模型;利用噪声‑真值图像对进行教师模型和学生模型训练,输出最终图像降噪模型;其中,利用噪声‑真值图像对进行教师模型和学生模型训练的步骤包括:利用教师模型对预设数量个增益倍数所对应的噪声‑真值图像对进行训练,获得每一种增益倍数下的子教师模型,将预设数量个子教师模型向学生模型进行知识蒸馏,获得最终图像降噪模型。应用本发明可使图像降噪模型具有较好的降噪效果且便于部署在低算力设备上。
技术关键词
降噪模型
教师
原始图像数据
学生
网络
计算机装置
生成噪声
噪声图像
蒸馏
抽取特征
基础
运动
无噪声
矩阵
场景
可读存储介质
存储器
处理器
系统为您推荐了相关专利信息
医学知识图谱
时序特征
深度神经网络
综合症状
门控循环单元
神经网络模型
指标
数据预测方法
时序
可读存储介质
风速廓线
高效采集系统
二级旋风分离器
一级旋风分离器
风场
图像还原方法
生成对抗网络
散斑图像
输出模块
采样模块