文档详情

一种基于改进生成对抗网络的交通图像去雾方法.pdf

发布：2023-06-05约2.28万字共16页下载文档

文本预览下载声明

(19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112801902 B (45)授权公告日 2022.06.21 (21)申请号 202110129493.9 (56)对比文件

显示全部

相似文档

一种基于改进生成对抗网络的图像超分辨率方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114463181 A (43)申请公布日 2022.05.10 (21)申请号 202210128444.8 (22)申请日 2022.02.11 (71)申请人重庆邮电大学地址 400065
2023-05-05 约1.19万字 11页立即下载
一种基于生成对抗网络的半监督医学图像分割方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112837338 B (45)授权公告日 2022.06.21 (21)申请号 202110045408.0 G06N 3/04 (2006.01)
2023-06-03 约1.18万字 10页立即下载
一种基于多阶段生成对抗网络的文本生成图像方法及系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113361251 A (43)申请公布日 2021.09.07 (21)申请号 202110522352.3 G06K 9/62 (2006.01)
2023-06-19 约2.2万字 18页立即下载
基于生成对抗网络的肝包虫病CT图像生成方法的研究 .docx 目录 TOC\o1-3\f\h摘要 1 Abstract 2 第一章绪论 4 1.1研究背景与意义 4 1.2国内外研究现状 5 1.2.1国外研究现状 5 1.2.2国内研究现状 6 1.3生成对抗网络的发展 6 第二章神经网络与深度学习 7 2.1神经网络与深度学习 7 2.2卷积神经网络 7 2.2.1卷积层 8 2.2.2池化层 9 2.2.3全连接层 9 2.2.4激活函数 9 2.2.5损失函数 9 第三章研究内容与方法 10
2024-09-10 约2.35万字 26页立即下载
基于生成对抗网络的肝包虫病CT图像生成方法的研究.docx 目录 TOC\o1-3\f\h摘要 1 Abstract 2 第一章绪论 4 1.1研究背景与意义 4 1.2国内外研究现状 5 1.2.1国外研究现状 5 1.2.2国内研究现状 6 1.3生成对抗网络的发展 6 第二章神经网络与深度学习 7 2.1神经网络与深度学习 7 2.2卷积神经网络 7 2.2.1卷积层 8 2.2.2池化层 9 2.2.3全连接层 9 2.2.4激活函数 10 2.2.5损失函数 10 第三章研究内容与方法 11
2024-09-10 约2.4万字 26页立即下载
基于量子生成对抗网络的图像生成方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116263972 A (43)申请公布日 2023.06.16 (21)申请号 202211473728.7 (22)申请日 2022.11.22 (71)申请人中移（苏州）软件技
2023-06-12 约1.48万字 13页立即下载
基于对抗网络的图像生成.docx PAGE2 基于对抗网络的图像生成 摘要随着科技日益发展，城市的夜景变得绚丽多姿，试问：谁不想用随身的手机记录下这美丽的瞬间呢？但当你拿出照片一看，会发现图片上出现大量噪点，引起这种情况的原因，是因为高ISO和弱光散粒造成的，图像的噪点很大概率是由于感光原件形成的。因此，图像降噪就成为了图像编辑工作中一种常见的操作。目的是为了对图像中的噪点区域，用生成的合理内容去进行修复填充。修复填充的内容要尽可能的还原原图像的信息，比如一些拥有大噪点的图片修复；或者是医学影像的呈现修复，使其修复完的图像更清晰。自二十一世纪初，深度卷积网络在计算机视觉领域方面的应用越来越广泛，把深度生
2024-12-31 约2.51万字 28页立即下载
一种基于交通标志目标检测器改进的对抗样本生成方法.pdf (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 112818783 B (45)授权公告日 2022.08.02 (21)申请号 202110086415.5 G06N 3/04 (2006.01)
2023-06-04 约1.07万字 9页立即下载
一种基于对抗生成网络的车道线图像增强与补全方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836573 A (43)申请公布日 2021.05.25 (21)申请号 202011547621.3 G06T 5/00 (2006.01) (22)申请日 20
2023-06-02 约8.8千字 9页立即下载
一种基于生成对抗网络的矿物图像数据扩充方法及装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565054 A (43)申请公布日 2022.05.31 (21)申请号 202210239769.3 G06V 10/82 (2022.01) (22)申请日 2022.03.
2023-05-06 约9.61千字 9页立即下载
一种基于生成对抗网络的肝脏肿瘤图像样本增广方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112967263 A (43)申请公布日 2021.06.15 (21)申请号 202110291119.9 (22)申请日 2021.03.18 (71)申请人西安智诊智能科技有限公司
2023-06-08 约5.42千字 6页立即下载
一种基于生成对抗网络的气体湍流模糊图像重建方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112561828 A (43)申请公布日 2021.03.26 (21)申请号 202011534127.3 (22)申请日 2020.12.23 (71)申请人北京环境特性研究所地
2023-05-29 约6.75千字 7页立即下载
一种基于感知一致生成对抗网络的三维医学图像重建方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112967379 B (45)授权公告日 2022.04.22 (21)申请号 202110235474.4 G06T 19/00 (2011.01)
2023-06-07 约1.05万字 8页立即下载
基于生成式对抗网络的画作图像合成方法.docx PAGE 1- 基于生成式对抗网络的画作图像合成方法一、1.生成式对抗网络概述 (1)生成式对抗网络（GAN）是一种深度学习模型，它由两个相互对抗的网络组成：生成器和判别器。生成器的目标是生成尽可能逼真的数据，而判别器的目标是区分生成器生成的数据和真实数据。这种对抗性训练使得生成器能够不断优化其生成策略，以欺骗判别器。GAN的应用领域非常广泛，包括图像生成、视频处理、音频合成以及自然语言处理等。 (2)在图像合成领域，GAN被证明是一种非常有用的工具。它能够根据给定的条件生成具有高分辨率的图像，同时保持了图像的真实性和连贯性。通过训练，生成器能够学习到图像的复杂结构和模式，从而生成与训练数据
2025-01-20 约2.48千字 5页立即下载
基于生成对抗网络的压缩感知图像重构方法.pptx 基于生成对抗网络的压缩感知图像重构方法;引言 生成对抗网络基本原理压缩感知图像重构方法 基于生成对抗网络的压缩感知图像重构模型实验结果与分析总结与展望;引言;;;;生成对抗网络基本原理;;负责学习真实数据分布并生成新的数据样本，通常采用卷积神经网络（CNN）等深度学习模型实现。;损失函数;压缩感知图像重构方法;;;;基于生成对抗网络的压缩感知图像重构模型;生成对抗网络（GAN）;;;;实验结果与分析;;;;重构图像展示;总结与展望;;;感谢观看
2024-06-07 约小于1千字 28页立即下载