(SRCNN)Image super-resolution using deep convolutional networks

原创 2016年05月30日 19:54:49

(SRCNN)Image super-resolution using deep convolutional networks论文总结。
(中国海洋大学—刘利朋 版权所有)
abstract:
作者提出基于CNN的超分辨率图像复原、重建的方法。基于cnn的方法是使cnn网络学习在低分辨率图像与高分辨率图像之间的端对端(end-to-end)的映射函数F(Y)(设Y为低分辨率图像)与传统的方法(如稀疏编码)比较,SRCNN有结构轻量、各组件优化同步、准确率高且速度快等优点。
1.introduction
作者首先介绍了Super-Resolution(SR;超分辨率)的概念,以及在解决图像由低分辨率向高分辨率映射的不同方法,其中着重提了基于映射函数中的基于外部实例的方法。而基于稀疏编码的方法是基于外部实例的方法中最具代表性的方法。
作者受稀疏编码的启发,将稀疏编码的原理(或者说是处理过程)推广到了CNN中,使CNN对SR处理过程基本与稀疏编码一样。
作者的主要创新点:
1)提到基于端到端的low-high分辨率图像映射的CNN模型
2)简历自己提出的SRCNN与传统基于稀疏编码SR的对应关系
3)展示了SRCNN在图像分类以及在超分辨率(可推广至多通道)的优秀性能
2.Related work
2.1 Image Super-Resolution
对于处理图像中由低分辨率到高分辨率的过程,可以归为4中类型的处理,其中有一种是基于实例,(基于实例分为基于内部实例和基于外部实例)。基于内部实例实质上是学习low-high分辨率图像的自相似性,也就是获取low-high之间的字典对(或称映射对),这其中也涉及很多方法;另外就是基于稀疏编码的外部实例方法。
2.2 Convolutional Neural Networks
CNN特性:1)在处理图像分类中很牛
2)训练速度高效(GPU.RELU使然)
3)目前有充足的数据集(如Imagenet)满足cnn需要

2.3 Deep learning for Image Restoration
Deep learning技术在图像复原中应用很广,如其中的MLP(多层感知机)可被用于图像的去噪和去模糊,本文就用卷积网络进行了去噪,也就是说在low到hige的复原问题上或多或少对图像进行了去噪处理。

3。Convolutional neural networks for Super-resolution
3.1 规则(范)化
3。1.1patch 提取和表示
传统上首先提取patch(密集地),在进行降维(如PCA)操作,cnn与之对应的是用一系列的卷积滤波器处理图片!
那么

版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

【论文笔记】Compression Artifacts Reduction by a Deep Convolutional Network(以及SRCNN)

Compression Artifacts Reduction by a Deep Convolutional Network以及SRCNN 引入 SRCNN回顾 ARCNN总结 SRCNN和ARCN...

深度学习(十九)基于空间金字塔池化的卷积神经网络物体检测

空间金字塔池化,又称之为“SPP-Net”,记住这个名字,因为在以后的外文文献中,你会经常遇到,特别是物体检测方面的paper。这个就像什么:OverFeat、GoogleNet、R-CNN、Alex...
  • hjimce
  • hjimce
  • 2015-12-05 17:40
  • 8643

super-resolution技术日记——FSRCNN

FSRCNN一种快速的图像超分辨率方法 Accelerating the Super-Resolution Convolutional Neural Network

Tensorflow实现二次元图片的超分辨率

github上有一个很有意思的项目,waifu2x,原理是通过一个训练好的CNN,将低分辨率的图像放大2倍或更多,同时保留足够的细节,使放大后的图像不会过于模糊或失真。该项目是用lua+Touch写的...

caffe绘制训练过程的loss和accuracy曲线

在caffe的训练过程中,大家难免想图形化自己的训练数据,以便更好的展示结果。如果自己写代码记录训练过程的数据,那就太麻烦了,caffe中其实已经自带了这样的小工具 caffe-master/tool...

目标识别】深度学习进行目标识别的资源列表

(出处: thinkface论坛) http://www.thinkface.cn/thread-4434-1-1.html  目标识别】深度学习进行目标识别的资源列表:O网页链接 包括RNN、Mu...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)