本文介绍了SRCNN（Super-Resolution Convolutional Neural Network），这是深度学习在图像超分辨率重建领域的开创性工作。SRCNN利用三层卷积神经网络实现从低分辨率图像到高分辨率图像的转换，包括图像块提取、非线性映射和重建三个步骤。在训练和测试过程中，详细阐述了数据预处理、损失函数选择、网络结构以及如何处理边界问题，以实现高质量的图像重建。
新版本请访问简书链接：https://www.jianshu.com/p/dfe85a3c2096
图像超分辨率重建：指通过低分辨率图像或图像序列恢复出高分辨率图像。高分辨率图像意味着图像具有更多的细节信息、更细腻的画质,，这些细节在高清电视、医学成像、遥感卫星成像等领域有着重要的应用价值。
Super-Resolution Convolutional Neural Network：本篇文章讲述的是深度学习在图像超分辨率重建问题的开山之作SRCNN(Super-Resolution Convolutional Neural Network)。香港中文大学Dong等将卷积神经网络应用于单张图像超分辨率重建上(Image Super-Resolution Using Deep Convolutional Networks, 论文与代码： http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html)。
可参考代码（非官方；Tensorflow版本）
最低0.47元/天 解锁文章
扫一扫
1376
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
