摘要
本发明属于水下鱼群图像处理技术领域,具体涉及一种水下鱼体深度图像去噪修复方法,包括以下步骤:步骤1:通过导入采集的水下鱼类视频文件完成数据获取;步骤2:配置数字图像处理用计算机系统的环境参数,并直接运行AOT‑GAN模型;步骤3:修改预训练模型并搭建数据集构建模块;步骤4:进行数据集制作,完成划分训练集以及测试集合;步骤5:使用训练集以及测试集训练AOT‑GAN模型;步骤6:根据训练结果对模型进行改进调整,并重复步骤5,直至满足评价指标后,输出最终AOT‑GAN模型;步骤7:直接使用训练好的AOT‑GAN模型对实时采集的水下鱼体的深度图像进行去噪修复。本发明提高需要用到鱼体深度图信息的计算机视觉任务的效率和准确度。
技术关键词
深度图像去噪
GAN模型
修复方法
预训练模型
峰值信噪比
卷积技术
数字图像处理
数据
计算机系统
GAN网络模型
训练集
文件夹
水下无人机
深度图信息
养鱼水池
全局特征提取
水下照明灯
标签
图像处理技术
系统为您推荐了相关专利信息
解码器架构
编码器
分析方法
全局平均池化
双线性插值
神经网络模型
图像数据采集模块
农作物生长状况
病虫害
种植参数
网络结构优化方法
矩阵
滤波器
预训练模型
卷积神经网络模型
素材匹配方法
大语言模型
多模态
预训练模型
生成向量