一种基于可逆网络的图像去雨方法、系统和可读存储介质.pdfVIP

下载本文档

0
0
约2.72万字
约 16页
2023-07-15 发布于四川
举报
版权申诉

一种基于可逆网络的图像去雨方法、系统和可读存储介质.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开的一种基于可逆网络的图像去雨方法、系统和可读存储介质，命名为CycleINN。属于图像处理领域。所述方法包括步骤：准备多组不配对的有雨图与无雨图组成数据集；对输入的有雨图进行卷积预处理，获取浅层特征图；采用深度可逆网络作为生成器，联合CycleGAN建立有雨图X和无雨图Y的重建模型；构建循环一致性约束损失函数和对抗损失函数；无监督模型训练；将有雨的图像输入去雨模型。本发明利用拟合能力强大的深度学习技术，为图像去雨任务建立去雨模型，并使用循环一致性约束重建模型进行融合训练，基于深度可逆网

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116433500 A (43)申请公布日 2023.07.14 (21)申请号 202310045491.0 (22)申请日 2023.01.30 (71)申请人广东工业大学