摘要
本发明实施例涉及图像处理技术领域,公开了一种多任务的图像增强方法、装置、设备及存储介质,采用端对端的网络架构构建多任务的图像增强模型,网络架构包括浅层和深层特征提取模块;对深层特征提取模块采用对称的编码器、频率调节器和解码器结构,并分别设计编码器、频率调节器和解码器;设计损失函数;获取数据集,基于数据集和损失函数对多任务的图像增强模型进行训练,得到的多任务的图像增强模型用于对待增强图像进行图像增强。该方案能够同时处理多种图像增强需求,提高了图像增强的通用性和效果,通过频率调节器的处理和注意力机制,能够更加有效地提取重要特征和优化图像增强结果,增强了多任务的图像增强模型的表征能力和泛化能力。
技术关键词
图像增强模型
深层特征提取
图像增强方法
多任务
双分支结构
调节器
低频滤波器
编码器
解码器结构
注意力
网络架构
浅层特征提取
全局平均池化
频率
高频特征
多层感知机
结构设计模块
系统为您推荐了相关专利信息
安全帽佩戴检测
识别人脸图像
佩戴检测方法
建筑施工场地
姿态特征
融合特征
深度学习网络
图像
分类特征
联合损失函数
智能推荐方法
时序预测模型
监督学习技术
数据清洗技术
图谱
固体燃料
物理
神经网络模型
多任务机器学习
取样测试方法
电网故障预警
故障诊断模块
深度强化学习
多模态数据采集
云端大数据分析