摘要
本发明公开了一种无需参考图像的快速自动对焦方法,构建无参考图像质量评估深度学习网络,利用不同对焦距离并设定有清晰度评分的图像对所述无参考图像质量评估网络进行训练;构建基于RNN的对焦步长动态调整网络,该网络包括生成器和判别器,所述生成器输入连续拍摄的图像及对应清晰度评分,输出图像清晰度变化、对焦距离、历史步长和当前对焦状态的特征向量,所述判别器用于预测对焦步长的调整大小和方向;利用所述无参考图像质量评估模型生成的清晰度指数和对应图像训练所述对焦步长动态调整网络。将连续的两张采集图像作为输入特征,结合深度学习的无参考图像质量评估方法,研究和探索出一种基于无参考图像质量评估的快速自动对焦方法。
技术关键词
深度学习网络
特征提取模块
对象图像数据
监督学习策略
动态
卷积特征
传播算法
优化网络参数
指数
处理器
网络结构
存储装置
上采样
程序
标签
控制模块
表达式
系统为您推荐了相关专利信息
剂量优化方法
生物标志物数据
肿瘤
患者免疫系统
组织
定向能量沉积
主动调控方法
LSTM模型
温度监测模块
速率控制
防伪密钥
卡牌
NFC芯片
防伪验证方法
熔断电路
自动电压调节器
动态检测方法
神经网络预测器
状态观测器结构
矩阵
需求预测方法
需求预测模型
门控循环单元网络
动态数据集
空间特征提取