METHOD AND APPARATUS FOR TRAINING NEURAL NETWORK MODEL FOR ENHANCING IMAGE DETAIL

A neural network model training apparatus for enhancing image detail is provided. The apparatus includes a memory and at least one processor configured to obtain a low quality input image patch and a high quality input image patch, obtain a low quality output image patch by inputting the low quality...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: SHCHERBININ, Andrei Yurievich, ANISIMOVSKIY, Valery Valerievich, BIRYULIN, Pavel Igorevich
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:A neural network model training apparatus for enhancing image detail is provided. The apparatus includes a memory and at least one processor configured to obtain a low quality input image patch and a high quality input image patch, obtain a low quality output image patch by inputting the low quality input image patch to a first neural network model, obtain a high quality output image patch by inputting the high quality input image patch to a second neural network model, and train the first neural network model based on a loss function set to reduce a difference between the low quality output image patch and the high quality input image patch, and a difference between the high quality output image patch and the high quality input image patch. The second neural network model is identical to the first neural network model. L'invention concerne un appareil d'entraînement de modèle de réseau neuronal pour améliorer le détail d'image. L'appareil comprend une mémoire et au moins un processeur configuré pour obtenir un correctif d'image d'entrée de faible qualité et un correctif d'image d'entrée de haute qualité, obtenir un correctif d'image de sortie de faible qualité en entrant le correctif d'image d'entrée de faible qualité dans un premier modèle de réseau neuronal, obtenir un correctif d'image de sortie de haute qualité en entrant le correctif d'image d'entrée de haute qualité dans un deuxième modèle de réseau neuronal, et entraîner le premier modèle de réseau neuronal sur la base d'un ensemble de fonctions de perte afin de réduire une différence entre le correctif d'image de sortie de faible qualité et le correctif d'image d'entrée de haute qualité, et une différence entre le correctif d'image de sortie de haute qualité et le correctif d'image d'entrée de haute qualité. Le deuxième modèle de réseau neuronal est identique au premier modèle de réseau neuronal.