基于深度学习的超分辨率重建算法改进
文献类型：期刊论文
| 作者 | 高飞[1]; 雷涛[1] |
| 刊名 | 电子设计工程
 |
| 出版日期 | 2019 |
| 卷号 | 27期号:6页码:64-68 |
| 关键词 | 深度学习 卷积神经网络 单幅图像超分辨 增强预测 |
| DOI | 10.14022/j.cnki.dzsjgc.2019.06.015 |
| 文献子类 | 期刊论文 |
| 英文摘要 | 近年来,深度卷积网络在单幅图像超分辨问题上取得了非常好的效果,然而,由于超分辨问题的病态性,自低分辨率的图像复原得到高分辨率图像的算法仍然有很大的改进空间。为了进一步提高单幅图像超分辨率重建的精度,主要做了以下两个方面的工作:首先将增强预测的方法和SRCNN网络结合,在Set5数据集上的平均峰值信噪比较原始的SRCNN方法提升了大约0.3dB;其次,将FSRCNN网络第一个5*5的卷积层改为两个3*3的卷积层,提高了网络的非线性,在Set5数据集上相对于FSRCNN模型平均峰值信噪比提升了大约0.3dB。 |
| 语种 | 中文 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/9828]  |
| 专题 | 光电技术研究所_光电探测技术研究室（三室） |
| 作者单位 | 中国科学院光电技术研究所,四川成都601209 |
| 推荐引用方式 GB/T 7714 | 高飞[1],雷涛[1]. 基于深度学习的超分辨率重建算法改进[J]. 电子设计工程,2019,27(6):64-68. |
| APA | 高飞[1],&雷涛[1].(2019).基于深度学习的超分辨率重建算法改进.电子设计工程,27(6),64-68. |
| MLA | 高飞[1],et al."基于深度学习的超分辨率重建算法改进".电子设计工程 27.6(2019):64-68. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。