摘要
本发明公开了基于LSTM密集连接的生成对抗网络的图像超分辨重构方法,包括将进行密集连接的多尺度特征提取模块和注意力机制进行残差连接,构建得到注意力机制的生成器;通过将若干LSTM网络进行密集连接,构建长短期记忆网络的判别器;将注意力机制的生成器和长短期记忆网络的判别器结合构建得到生成对抗网络模型;采用低分辨率图像和真实高分辨率图像的数据集对生成对抗网络模型中的注意力机制的生成器和长短期记忆网络的判别器进行微调训练;采用训练完成的生成对抗网络模型对目标图像进行超分辨重构得到超分辨率图像;避免传输过程中出现的特征梯度消失的问题,引导生成器生成细节更丰富的超分辨率图像。
技术关键词
注意力机制
长短期记忆网络
生成对抗网络模型
特征提取模块
网络模块
多尺度特征提取
Sigmoid函数
输入端
输出端
图像
超分辨率
输出特征
负值特征
非线性结构
模块结构
重构
系统为您推荐了相关专利信息
人形机器人
解析系统
时空注意力机制
多模态
多轮对话
巡检规划方法
环境监测数据
巡检路径
无人机飞行速度
设备状态数据
对象
企业
诊断方法
构建行业知识图谱
业务流程数据
露天矿山
混合损失函数
卷积模块
坐标
融合多尺度特征
状态监测方法
音频
融合特征
文本
交叉注意力机制