公开(公告)号：CN119273585A

公开(公告)日：2025-01-07

申请号：CN202411335950.X

申请日：2024-09-24

Applicant: 合肥工业大学

Inventor： 高欣健 ,  李程晔 ,  南星宇

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/0985

Abstract: 本发明公开了一种基于元学习的关系和表征学习网络的单幅图像去雨方法，包括：1、获取雨天图像和对应干净图像的数据集；2、通过所构建的相似度函数计算相似度；3、将相似度代入三元损失函数训练更新关系向量来捕捉和保存雨水条纹的特征；4、设计目标函数训练更新基于元学习判别器的编码器，从而学习有雨/干净图像的特征；5、设计目标函数训练去雨网络生成器；6、将训练好的参数代入构建的图像去雨函数，得到去雨方法的一般过程；7、根据图像去雨函数，输入雨天图像，即可得到相应的干净图像。本发明既能保证雨天图像中背景的保真度，又能更好地实现无穷多复杂场景的图像去雨，并能提高干净图像的生成质量以及去雨任务的泛化能力。

公开(公告)号：CN118968190A

公开(公告)日：2024-11-15

申请号：CN202411390424.3

申请日：2024-10-08

Applicant: 合肥工业大学

Inventor： 高欣健 ,  南星宇 ,  李程晔 ,  王昕 ,  高隽

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06V10/77 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094 ,  G06N5/045

Abstract: 本发明公开了一种自注意力驱动的相似性图像分类方法，包括：1、构建图像样本集并构建每个图像样本的正样本对和负样本对；2、构建表示学习网络得到映射特征；3、构建自注意力加权网络得到分配权重后的特征图；4、构建相似性学习网络得到不同图像样本在各个主题下的相似性得分，从而构建三重损失函数Ltopic；5、构建一个基于对抗性损失的生成网络得到分配权重后的主题特征图，从而构建生成器模型G的损失函数Lgen以及对抗损失函数Ladv；6、构建整体联合损失函数L。本发明提供了一种可解释的判断给定对象相似程度的方法，而且能表明它们的哪些部分彼此相似以及它们在语义上有多相似。