摘要
本发明提供一种基于多尺度对比学习与CLIP跨模态对比学习的非成对水下图像增强方法,包括:从至少两种水下图像数据集中随机抽取退化图像及其非成对增强图像构建训练集;通过大语言模型提炼文本构建增强图像正样本描述与退化图像负样本描述;配置生成对抗网络,其中生成器包含:执行特征分裂‑门控融合操作的自校准特征增强模块;以及,通过分块自注意力建立跨区域依赖的Transformer全局建模模块;实施联合对比学习:在所述生成器的多层特征随机采样位置计算特征块相似度的多尺度对比损失;约束增强图像与正样本描述语义对齐的CLIP跨模态对比损失;基于所述训练集与损失函数优化网络参数;将水下退化图像输入优化后的生成器,增强后的水下图像。
技术关键词
水下图像增强方法
特征随机采样
多尺度
水下图像数据
校准特征
大语言模型
生成对抗网络
构建训练集
损失函数优化
水下图像增强系统
生成场景
样本
文本
语义
更新网络参数
分块
模块
注意力
路径特征
系统为您推荐了相关专利信息
可视喉镜
多尺度特征提取
通道注意力机制
喉部结构
神经网络模型
上下文特征
模型构建方法
Softmax函数
多分支结构
多层次特征
地面控制点
航空测绘技术
地形测绘方法
特征描述符
三元组损失函数
海工胶凝材料
评估模型训练方法
混合损失函数
材料孔隙率
信息熵
雷达回波数据
上采样
输出特征
时序特征
卷积模块