摘要
本发明提供基于可逆神经网络的图像位深增强方法、设备及产品,通过可逆神经网络对图像位深降质过程和增强过程进行双向建模,其中所述可逆神经网络包括位深分割块和仿射耦合块;在正向过程中,将高位深图像输入所述可逆神经网络,生成低位深图像和服从高斯分布的潜在变量;在逆向过程中,将所述低位深图像与从高斯分布中采样的潜在变量输入所述可逆神经网络,生成高位深图像;通过损失函数约束所述低位深图像与真实低位深图像的差异、潜在变量的分布匹配性以及高位深图像的重建准确性,所述损失函数包括低位深降质损失、分布匹配损失和高位深重建损失。本发明能够实现低位深图像向高位深图像的高质量重建。
技术关键词
高位深图像
神经网络对图像
非暂态计算机可读存储介质
变量
处理器
计算机程序产品
优化器
存储器
电子设备
策略
通道
系统为您推荐了相关专利信息
钢筋混凝土柱
模式预测方法
遗传优化算法
深度神经网络模型
混凝土抗压强度
图像分类方法
图像分类模型
图像分类系统
编码技术
神经网络对图像
车载单元
故障诊断方法
车载主机
故障诊断模型
故障诊断系统