深度学习在超分辨率重建SR领域的发展过程从SRCNN(ECCV14)-CameraSR(CVPR19)

本文主要是介绍深度学习在超分辨率重建SR领域的发展过程从SRCNN(ECCV14)-CameraSR(CVPR19),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • @[toc]
    • 帮助新手快速上路的网址和工具
    • 从2014的SRCNN到2019的CameraSR优秀论文集结
    • 实验过程中的常用MATLAB代码整理
    • SR领域期刊和会议整理

图像超分辨率重建之路的学习与经验总结。
**本文由四部分组成:(1)帮助新手快速上手的网址和工具;(2)从始至今的SR领域优秀论文整理;(3)常用的代码;(4)SR领域期刊和会议整理 **
单一图像超分辨率重建(SISR )是典型的计算机视觉问题,它的目标是从低分辨率图像中恢复出高分辨率图像。这是一个很困难的事情,因为一副低分辨图像对应多张高分辨图像, (an infinite number of HR images can get the same LR image by downsampling.)要让网络结构准确的恢复出其对应的高分辨率图片是很困难的。
目前已有大量的SISR方法被提出,包括基于插值的方法(interpolation-based methods),基于重构的方法(reconstruction-based methods)和基于学习的方法( example-based methods)。近几年,受计算机视觉任务的启发,DL在SR领域也取得了重大突破,硕果累累。从 2014年Dong等人率先提出基于卷积神经网络的超分辨率重建方法,即SRCNN,接着就出现了各种各样的基于神经网络的超分辨率重建算法。

帮助新手快速上路的网址和工具

超分科研上手常用工具

从2014的SRCNN到2019的CameraSR优秀论文集结

  • SRCNN (ECCV14)
    Depth: 3
    - 这是超分领域第一篇使用CNN的文章;
    - end-to-end的模式,image在送入网络之前就使用“双三次插值”对图片进行了上采样,让图片变大到目标大小。
    - 这样做的优点:图片在送入网络之前进行上采样,放大了。这样网络可学习的信息增加了;
    - 缺点:在上采样的过程中可能会引入噪声,这样会影响网络的性能

  • 论文SRCNN PDF

  • code(Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014)
    在这里插入图片描述

  • FSRCNN (ECCV16 )
    Depth: 8
    (1):在SRCNN的基础上进行了改进,得到了一个更加快速的参数更少的模型;网络中使用1×1卷积进行压缩,后期再使用1*1的卷积对网络进行扩增,此外还使用2个3×3的卷积代替SRCNN中的5×5的卷积,以上操作大大降低了网络参数;
    (2):网络中使用反卷积对图像进行上采样;

  • 论文FSRCNN PDF

  • 项目链接(Accelerating the Super-Resolution Convolutional Neural Network, ECCV2016)

在这里插入图片描述

  • ESPCN (CVPR16)-- 一种新的上采样方式
    Depth: 3
    亚像素卷积:本文提出了一种新的上采样方式,与以往的双三次插值,反卷积不同的是,亚像素卷积是通过通道扩增和像素点重排来实现的图像放大,比如放大r倍,则亚像素卷积层的输出必须是个长和宽都扩大r倍,整张图就放大了r倍;
    *论文
    Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network,CVPR2016
    *代码
    TensorFlow
    caffe
    亚像素卷积
  • VDSR (CVPR16)
    Depth: 20
    20层参数设置一样的卷积层,主要亮点是对网络模型进行了加深;其次提出了skip-connection;使用梯度裁剪的优化方式;网络的训练图像是使用在预处理时使用双三次插值将图片放大送入大图到网络中;
    *论文 VDSR PDF
    *项目链接(Accurate Image Super-Resolution Using Very Deep Convolutional Networks, CVPR2016)
    *caffe-VDSR
    *TensorFlow-VDSR
    *pytorch-VDSR

这篇关于深度学习在超分辨率重建SR领域的发展过程从SRCNN(ECCV14)-CameraSR(CVPR19)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/464356

相关文章

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

PyInstaller打包selenium-wire过程中常见问题和解决指南

《PyInstaller打包selenium-wire过程中常见问题和解决指南》常用的打包工具PyInstaller能将Python项目打包成单个可执行文件,但也会因为兼容性问题和路径管理而出现各种运... 目录前言1. 背景2. 可能遇到的问题概述3. PyInstaller 打包步骤及参数配置4. 依赖

将Mybatis升级为Mybatis-Plus的详细过程

《将Mybatis升级为Mybatis-Plus的详细过程》本文详细介绍了在若依管理系统(v3.8.8)中将MyBatis升级为MyBatis-Plus的过程,旨在提升开发效率,通过本文,开发者可实现... 目录说明流程增加依赖修改配置文件注释掉MyBATisConfig里面的Bean代码生成使用IDEA生

SpringCloud动态配置注解@RefreshScope与@Component的深度解析

《SpringCloud动态配置注解@RefreshScope与@Component的深度解析》在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍SpringCloud中相关的注解@Re... 目录引言1. @RefreshScope 的作用与原理1.1 什么是 @RefreshScope1.

C# WinForms存储过程操作数据库的实例讲解

《C#WinForms存储过程操作数据库的实例讲解》:本文主要介绍C#WinForms存储过程操作数据库的实例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、存储过程基础二、C# 调用流程1. 数据库连接配置2. 执行存储过程(增删改)3. 查询数据三、事务处

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤

分辨率三兄弟LPI、DPI 和 PPI有什么区别? 搞清分辨率的那些事儿

《分辨率三兄弟LPI、DPI和PPI有什么区别?搞清分辨率的那些事儿》分辨率这个东西,真的是让人又爱又恨,为了搞清楚它,我可是翻阅了不少资料,最后发现“小7的背包”的解释最让我茅塞顿开,于是,我... 在谈到分辨率时,我们经常会遇到三个相似的缩写:PPI、DPI 和 LPI。虽然它们看起来差不多,但实际应用

java中使用POI生成Excel并导出过程

《java中使用POI生成Excel并导出过程》:本文主要介绍java中使用POI生成Excel并导出过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录需求说明及实现方式需求完成通用代码版本1版本2结果展示type参数为atype参数为b总结注:本文章中代码均为

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

SpringCloud之LoadBalancer负载均衡服务调用过程

《SpringCloud之LoadBalancer负载均衡服务调用过程》:本文主要介绍SpringCloud之LoadBalancer负载均衡服务调用过程,具有很好的参考价值,希望对大家有所帮助,... 目录前言一、LoadBalancer是什么?二、使用步骤1、启动consul2、客户端加入依赖3、以服务