摘要
本发明提供了一种基于双网络协同的半监督深度学习图像复原增强方法。该方法包括:构建双任务分支图像复原网络,采用教师‑学生半监督训练模式训练双任务分支图像复原网络,训练好的双任务分支图像复原网络中的复原分支对待复原的图像进行特征提取和复原增强处理,输出复原后的图像、低阶语义特征和高阶语义特征,评价分支对低阶语义特征和高阶语义特征进行融合,利用自注意力机制获得结构相似性指数SSIM分数矩阵,根据SSIM分数矩阵确定双任务分支图像复原网络的教师‑学生半监督训练模式训练过程中的伪标签筛选的置信度。本发明充分挖掘大量低质量样本以及少量高‑低质量成对样本的价值,生成高质量的伪标签,实现对轨旁图像的精准复原与增强。
技术关键词
语义特征
半监督训练
分支
多尺度特征提取
监督深度学习
图像
注意力机制
无标签数据
学生
融合特征
教师
矩阵
模块
双网络
分块策略
模式
系统为您推荐了相关专利信息
DDoS检测方法
局部特征提取
全局特征提取
多尺度
令牌
图像训练样本
注意力机制
语义特征
特征提取方法
高效率