摘要
本发明涉及一种高动态范围数据生成及泛化方法,包括:收集获取运动素材以及高动态范围背景数据,并通过渲染工具处理,得到渲染数据集,即得到高动态范围运动数据集;采用域迁移方法,将在渲染数据集上训练的模型泛化到真实数据集上。与现有技术相比,本发明一方面能够批量生成高质量、大规模的动态场景高动态范围数据,大幅降低人力和设备成本,另一方面能够解决渲染数据与真实数据的分布差异,支持在有标签和无标签的真实数据上完成域迁移,从而提升高动态范围重建算法在真实场景中的鲁棒性和泛化能力。
技术关键词
泛化方法
网络结构
预训练网络
渲染数据集
分支
缩放参数
教师
运动
迁移方法
通道
输出特征
学生
标签
动态场景
重建算法
图像
框架
系统为您推荐了相关专利信息
优先级调度方法
双网络架构
调度特征
调度系统
调度器
骨质疏松性骨折
多模态特征
骨折风险评估
椎体
注意力神经网络
控制电梯轿门
传感器阵列
训练算法模型
压力
识别电动车
孪生神经网络
遥感图像变化检测
多层级特征
dice损失函数
模块