摘要
本发明公开了一种结合无噪图像和噪声图像的联合去噪训练方法,S1.图像去噪模型的训练:使用无噪图像和对应的噪声图像作为训练数据对图像去噪模型进行训练;S2.数据增强:对输入图像进行多种增强操作,增强操作包括旋转、翻转、裁剪、颜色变化中的至少一种;S3.在模型训练过程中,使用混合损失函数对网络进行优化;S4.在训练过程中实施动态优化策略:根据当前的去噪效果,动态调整模型的学习率,以进一步提高模型的收敛速度和去噪性能;S5.模型优化过程中采用自适应优化器对参数进行更新。基于本发明提出的方法,能够进一步提高了图像去噪模型的通用去噪性能。
技术关键词
图像去噪模型
噪声图像
联合去噪
混合损失函数
浅层特征提取
图像重建
特征提取模块
图像空间分辨率
阶段
动态
退火策略
像素
参数
解码器
编码器
数据
通道
系统为您推荐了相关专利信息
驾驶仿真场景
图像生成方法
训练样本数据
强度
非暂态计算机可读存储介质
图像生成方法
文本特征向量
图像特征向量
多尺度
布局
卷积网络模型
浅层特征提取
输出特征
球轴承
深层特征提取
迭代算法
回波
混合损失函数
增广拉格朗日
超网络