CVPR2016 VDSR：Accurate Image Super-Resolution Using Very Deep Convolutional Networks
摘要 問題描述 何愷明將深度學習技術引入超分辨問題的開山之作SRCNN(2014年），主要存在以下幾個問題： 1、感受野小，使得獲取的語義信息少 ...
原文：(2017-CVPR)Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
本文認為已有的SR方法存在着三個主要的問題： 采用預定義的上采樣操作 例如雙三次插值 會產生不必要的計算代價，並且結果可能會有重建偽影。而使用反卷積層這樣的操作來替換預定義的上采樣操作，網絡結構又比較簡單，性能較差，不能很好地學習復雜的映射 使用l 型損失函數時，不可避免地會產生模糊的預測，恢復出的高分辨圖片往往會過於平滑 大部分的方法都只有一次上采樣的步驟，這就會使得對於更高倍數因子的訓練變得 ...
2019-11-24 16:14 0 336 推薦指數：
相關推薦
論文閱讀筆記六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
論文原址:https://arxiv.org/abs/1707.02921 代碼: https://github.com/LimBee/NTIRE2017 摘要 以DNN進行超分辨的研究比較流行,其中，殘差學習較大的提高了性能。本文提出了增強的深度超分辨網絡（EDST ...
論文閱讀筆記六十六:Wide Activation for Efficient and Accurate Image Super-Resolution(CVPR2018)
論文原址:https://arxiv.org/abs/1808.08718 代碼:https://github.com/JiahuiYu/wdsr_ntire2018 摘要 ...
RCAN——Image Super-Resolution Using Very Deep Residual Channel Attention Networks
1. 摘要 在圖像超分辨領域，卷積神經網絡的深度非常重要，但過深的網絡卻難以訓練。低分辨率的輸入以及特征包含豐富的低頻信息，但卻在通道間被平等對待，因此阻礙了網絡的表示能力。 為了 ...
論文閱讀| EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution
github：https://github.com/LimBee/NTIRE2017 摘要 本文主要是用了殘差學習，這篇論文也就使用了殘差結構超分網絡使得效果大大超越SOTA 移除傳統殘差網絡中不必要的模塊 。多尺度的超分(MDSR)和訓練方法。 也是NTIRE2017超分挑戰的冠軍 ...
小米造最強超分辨率算法 | Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search
本篇是基於 NAS 的圖像超分辨率的文章，知名學術性自媒體 Paperweekly 在該文公布后迅速跟進，發表分析稱「屬於目前很火的 AutoML / Neural Architecture Sear ...
Image Super-Resolution Using Very Deep Residual Channel Attention Networks【RCAN】【閱讀筆記】
in residual模塊用長跳連接多個殘差組，組成了very deep residual channel atten ...
Deep Learning for Image Super-resolution: A Survey
摘要： 圖像超分辨率(SR)是提高計算機視覺中圖像和視頻分辨率的一類重要圖像處理技術。近年來，利用深度學習技術實現圖像超分辨率技術取得了顯著進展。在調查中，我們的目的是給出在一個系統的方式中使用 ...