原创力文档- 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
查看更多
本申请涉及一种基于自监督学习的卷积神经网络图像去噪方法。所述方法包括：获取有噪图像样本和预先构建的图像去噪模型；将有噪图像样本分别输入噪声去除模型和噪声估计模型，得到预测无噪图像和预测噪声；根据有噪图像样本、预测噪声和预测无噪图像的像素方差以及预测噪声的逐像素协方差，得到方差损失函数，根据方差损失函数、预先构建的均值损失函数、预先构建的数据损失函数和预先构建的增强损失函数，构建模型损失函数；优化图像去噪模型的模型损失函数得到训练好的图像去噪模型，采用训练好的图像去噪模型进行图像去噪。采用本方法不
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116681616 A
(43)申请公布日 2023.09.01
(21)申请号 202310684599.4
(22)申请日 2023.06.09
(71)申请人 中国人民解放军国防科技大学
地址
文档评论（0）