ESRGAN是在SRGAN基础上进行增强的网络, 在 年的比赛中获得了冠军 Introduction 介绍了基于PSNR指标获得的超分辨图像其结果会较为平滑，且与人们的主观有较大的差别 作者针对SRGAN提出了 个改进的点 第一点: 使用了RDDB网络结构, 这种层叠式的网络结构更容易表达效果 第二点: 使用RaGAN对抗网络, 这种网络在优化生成器的时候，将判别真实图片的概率值考虑了进来 第三点 ...
2021-09-24 17:28 0 100 推荐指数：
这篇综述主要介绍目前深度学习领域超分辨率问题的一些方法。首先介绍了图像超分辨率问题以及问题的评价标准，之后重点介绍了监督学习领域的几大关键，包括上采样方法、网络结构、学习策略、其他优化策略等。并且分析了各种不同方法的优缺点。之后介绍了无监督学习的一些方法，最后给出了一些未来可能的研究方向。 图像 ...
文献一 文献：Lai H, Pan Y, Liu Y, et al. Simultaneous feature learning and hash coding with deep neural networks[C]//Proceedings of the IEEE conference ...
文字检测可以使用的方法：形态学、MSER、CTPN、SegLink、EAST等。 可以使用的深度学习文本行定位：CTPN、YOLO、EAST、PSE、DB等。 文字检测的目的是为了文字识别。文字检测是文字识别的必经之路。文字检测的场景分为两种，一种是简单场景，另一种是复杂场景。其中，简单场景 ...
注意：由于模块、Python 版本或系统环境的差异，书中涉及的演示截图与实际环境可能会有出入，但函数的用法及行为均是一致。 0. 安装 EasyGUI 官网：https://github. ...
【前言】现在深度学习项目代码量越来越大，并且单个文件的量也非常的大。笔者总结了一些专家的经验并结合自己看的一些项目，打算总结一下如何探索和深入一个深度学习项目库。笔者pprp，未经允许不得擅自转发。 1. 基础知识 首先，需要保证有一定的深度学习基础知识，吴恩达的深度学习课还有斯坦福大学 ...
之前介绍了第一篇超分辨率模型在深度学习中的实现——SRCNN模型，具体的介绍请参看我这一篇博客：https://www.cnblogs.com/Robin-tao/p/12942977.html SRCNN的缺点是：(1) 是依赖于图像区域的context；(2)是训练收敛速度太慢 ...
本示例演示如何训练甚深超分辨率（vdsr）神经网络，然后使用vdsr网络从单个低分辨率图像估计高分辨率图像。 该示例演示了如何训练vdsr网络，并提供了预先培训的vdsr网络。如果您选择培训vdsr网络，强烈建议使用具有cvida功能的nvidia™仇均，该网络具有3.0或更高的计算能力。使用 ...
一、文献解读 我们知道GAN 在图像修复时更容易得到符合视觉上效果更好的图像，今天要介绍的这篇文章——ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks，它 发表于 ECCV 2018 的 Workshops，作者 ...
