深度反卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法
大?。?/span>0.87 MB 人氣： 2017-12-15 需要積分：1
圖像超分辨率一直是底層視覺領(lǐng)域的研究熱點。現(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的方法直接利用傳統(tǒng)網(wǎng)絡(luò)模型，未對圖像超分辨率屬于回歸問題這一本質(zhì)進(jìn)行優(yōu)化，其網(wǎng)絡(luò)學(xué)習(xí)能力較弱，訓(xùn)練時間較長，重建圖像的質(zhì)量仍有提升空間．針對這些問題，本文提出了基于深度反卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法，該算法利用反卷積層對低分辨率圖像進(jìn)行上采樣處理，再經(jīng)深度映射消除由反卷積層造成的噪聲和偽影現(xiàn)象，使用殘差學(xué)習(xí)降低網(wǎng)絡(luò)復(fù)雜度，同時避免了因網(wǎng)絡(luò)過深導(dǎo)致的網(wǎng)絡(luò)退化問題．在Set5、Set14等測試集中。本文算法的PSNR、SSIM、IFC三項評價指標(biāo)皆優(yōu)于FSRCNN。重建圖像的視覺效果同樣驗證了本文算法出色的性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
深度反卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 164
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡述遞歸神經(jīng)網(wǎng)絡(luò)的計算過程 135