您的位置:网站首页 > 《中文科技期刊数据库》 > 工程技术 > 自动化计算机 > 计算机应用 > 摘要

基于深度学习的单图像超分辨算法比较探究

《电子技术与软件工程》2018年 第7期 | 王梓欣 牟叶 王德睿   东北大学信息科学与工程学院 辽宁省沈阳市110004
在线阅读 ★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
论文服务:
摘 要:卷积神经网络(Convolution Neural Networks,ConvNets,CNN)在图像识别、目标检测、物体分类等方面已经被证实有效可行,于是人们尝试将CNN运用到更加广阔的领域,并取得了远超传统方法的性能。图像的超分辨重建就是一个典型的代表。传统的超分辨方法计算复杂,且对不同类型的图像具有较差的适应能力。将深度学习的方法应用到图像超分辨率重建上,大幅度提升了超分辨重建的效果,为超分辨重建领域开辟了一个新的方向。本文以SRCNN和VDSR为例,对基于深度学习的单幅图像超分辨算法比较探究。对两种网络的结构以及设计思想进行了详细分析,并通过实验比较验证了两种网络的优良性能。
【分 类】【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
【关键词】 深度学习 CNN 图像超分辨 SRCNNVDSR
【出 处】 《电子技术与软件工程》2018年 第7期 94-96页 共3页
【收 录】 中文科技期刊数据库