文档详情

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

发布：2023-05-06约9.61千字共9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.

显示全部

相似文档

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
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
一种基于改进生成对抗网络的交通图像去雾方法.pdf (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
2023-06-05 约2.28万字 16页立即下载
基于生成对抗网络的红绿灯图像生成方法和装置.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 113362414 A (43)申请公布日 2021.09.07 (21)申请号 202110627184.4 G06N 3/04 (2006.01)
2023-06-18 约3.96万字 23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
一种生成对抗网络的训练方法、图像风格转换方法和装置.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 112967180 A (43)申请公布日 2021.06.15 (21)申请号 202110288532.X (22)申请日 2021.03.17 (71)申请人福建库克智能科技有限公司
2023-06-08 约2.01万字 17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