读论文：Fast and Accurate Single Image Super-Resolution via Information Distillation Network

最新推荐文章于 2020-09-16 23:08:03 发布
最新推荐文章于 2020-09-16 23:08:03 发布
阅读量537 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Janice_Fj/article/details/103380294
版权

文章全名：Fast and Accurate Single Image Super-Resolution via Information Distillation Network

1 网络结构（IDN）

在这里插入图片描述
三部分：a feature extraction block (FBlock)特征提取块, multiple stacked information distillation blocks (DBlocks)信息蒸馏块and a reconstruction block (RBlock)重建块.
FBlock：两个3*3的卷积层从原始低分辨率图像提取特征图。
DBlocks：每一个信息蒸馏块中包含一个增强单元和一个压缩单元。
RBlock：没有激活函数的卷积层。
最后得到的输出图像是RBlock+bicubic。

2 DBlocks

2.1 Enhancement unit

在这里插入图片描述

2.2 Compression unit

我们通过利用1×1卷积层来实现压缩机制。 增强单元的输出被发送到1×1卷积层，该卷积层用作降维或提取用于后续网络的相关信息。
在这里插入图片描述

2.3 DBlocks实验效果

在这里插入图片描述

（a）增强单元的功能主要是增强输入LR图像的轮廓区域。
（b）通过压缩单元将特征的像素值映射到较小的范围内。
前三个堆叠块的过程是减少整个像素值，而最后一个块则大大增强了轮廓和平滑区域之间的对比度。

参考文献：
Fast and Accurate Single Image Super-Resolution via Information Distillation Network

什么都可晶
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【超分辨率】小米轻量级超分辨率模型FALSR：Fast, Accurate and Lightweight Super-Resolution models-附件资源
03-05
【超分辨率】小米轻量级超分辨率模型FALSR：Fast, Accurate and Lightweight Super-Resolution models-附件资源
IDN-Fast and Accurate Single Image Super-Resolution via Information Distillation Network信息蒸馏网络
weixin_41798111的博客
05-14 2937
Fast and Accurate Single Image Super-Resolution via Information Distillation NetworkCVPR2018 github(caffe):https://github.com/Zheng222/IDN-Caffe 网络结构以特征提取块、多个信息蒸馏块（progressively distill residual i...
Fast and Accurate Single Image Super-Resolution via Information Distillation Network
qq_34049103的博客
02-24 609
本文主旨为了再生成深度网络的同时降低计算复杂性和减少内存消耗，因此本文提出了一个信息蒸馏网络，降低复杂性和内存消耗。 总体网络框架分为三个部分①特征提取模块②增强模块（蒸馏模块）③特征融合与生成图片模块 总体来说首先低分辨率图片输入到网络中经过双三次插值放大到指定大小输入后层形成残差网络，后低分辨率图片首先经过FBLOCK提取浅层特征，后经过DBLOCK经过信息蒸馏再提取深层特征的同时减少内存消耗...
深度学习在超分辨率重建上的应用SRCNN,FSRCNN,VDSR,DRCN,SRGAN
weixin_41798111的博客
02-26 9328
转自： https://zhuanlan.zhihu.com/p/25532538 https://zhuanlan.zhihu.com/p/50192019 超分辨率技术（Super-Resolution）是指从观测到的低分辨率图像重建出相应的高分辨率图像，在监控设备、卫星图像和医学影像等领域都有重要的应用价值。SR可分为两类:从多张低分辨率图像重建出高分辨率图像和从单张低分辨率图像...
【论文笔记2_超分辨】（IDN）Fast and Accurate Single Image Super-Resolution via Information Distillation Network
HaotianYan的博客
09-16 1871
文章目录Abstract1. Introduction2. Network Structure2.1 特征提取块（FBlock）2.2 信息蒸馏块（DBlocks）2.2.1 增强单元（Enhancement unit）2.2.2 压缩单元（Compression unit）2.2 重建块（RBlock）3. Experiments 文章链接：（CVPR 2018）https://arxiv.org/abs/1909.11856v1 代码链接：https://github.com/Zheng222/IDN
(IDN 轻量化CVPR2018)Fast and Accurate Single Image Super-Resolution via Information Distillation N
qq_20777119的博客
12-05 818
文章地址：https://arxiv.org/abs/1909.11856v1 作者的项目地址：https://github.com/Zheng222/IDN-Caffe 论文作者：Zheng Hui 西安电子科技大学 一：简单介绍 文章做的是轻量化图像超分辨率。 二、网络结构 网络由三个部分构成： 1、特征提取模块a feature extraction blo...
WDSR-Wide Activation for Efficient and Accurate Image Super-Resolution 论文代码
12-25
WDSR,Wide Activation for Efficient and Accurate Image Super-Resolution论文代码，pytorch实现，欢迎各位下载！
论文4_Accurate Image Super-Resolution Using Very Deep Convolutiona
08-03
论文4_Accurate Image Super-Resolution Using Very Deep Convolutional Networks CVPR 20161
Accurate Image Super-Resolution Using Very Deep Convolutional Networks
04-12
本人之前一直在学习医学图像超分辨率重建，这是2016发表在CVPR上的少有的关于超分的文章，经过一段时间的学习制作了这个PPT，可以用来课程演示或者自己对超分重建的学习。
PaperNote-Fast and Accurate Single Image Super-Resolution via Information Distillation Network
Cutepingping的博客
06-11 1871
PaperNote-Fast and Accurate Single Image Super-Resolution via Information Distillation Network论文地址：https://arxiv.org/pdf/1803.09454.pdf代码地址：https://github.com/Zheng222/IDN-Caffe论文主要提出了IDN网络（Informatio...
IDN-TensorFlow:TensorFlow实现“通过信息蒸馏网络实现快速，准确的单图像超分辨率”（CVPR 2018）
05-18
IDN-TensorFlow 介绍 该存储库是IDN（CVPR16）的TensorFlow实现。 您可以从论文和作者的项目资料库中查看更多详细信息 Github： 论文： 网络结构 IDN-TensorFlow /模型/network.py FBlock：功能提取块 DBlock：信息蒸馏块 包括增强单元和压缩单元 RBlock：重建块 反卷积 LR表示低分辨率图像 SR表示重建的超分辨率图像 训练 损失函数 IDN-TensorFlow /模型/___init__.py中的_loss_function（self，reg_parameter） 培训前阶段：L2丢失 微调阶段：L1损耗 正则化 L2正则化 记号 ：IDN中的权重 ：地面实况（原始高分辨率图像，HR） ：插值的低分辨率图像（ILR） ：重建的超分辨率图像 ：HR和ILR之间的残差 ：正则化
深度学习端到端超分辨率方法发展历程（二）
aBlueMouse的博客
11-20 7214
距离写上一篇总结已经过去了一年了。因为比较懒，再加上今年也要毕业了，面临着实习、找工作、毕业论文等诸多事情，因此在很早就想过写这第二篇总结的计划，也一直拖到了现在才动笔。 这篇总结的内容主要是ICCV2017、CVPR2018以及ECCV2018三大会议中的一部分有关针对自然图像（还有不少针对人脸图像的）的深度学习端到端超分辨率方法的论文。从中大致也能看到两年来用于超分辨率的卷积神经网络的发展形...
论文解析之Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Co
无奈的小心酸的博客
10-30 4980
论文名： Image Restoration Using Very Deep Convolutional Encoder-Decoder Network with Symmetric Skip Connection   ------------------2016 NIPS 论文针对图像修复方向，提出了一种跳跃链接的残差网络，总体来说论文结构简单，不过有点意思，所以简单说一下：
CVPR 2018 paper
qq_34848537的博客
10-08 1万+
CVPR 2018 参考链接 CVPR 2018 论文解读集锦（9月27日更新） CVPR 2018 open access Paperlist Embodied Question Answering Learning by Asking Questions Finding Tiny Faces in the Wild With Generative Adversarial Network...
论文阅读：CVPR2016 Paper list
一亩半分地
05-12 8万+
CVPR2016 accepted paper list
知识蒸馏（Knowledge Distillation）
热门推荐
AI Flash
06-04 18万+
1、Distilling the Knowledge in a Neural Network Hinton的文章"Distilling the Knowledge in a Neural Network"首次提出了知识蒸馏（暗知识提取）的概念，通过引入与教师网络（teacher network：复杂、但推理性能优越）相关的软目标（soft-target）作为total loss的一部分，以诱导学...
Survey on Single-Image-Super-Resolution
zhangjf26的博客
08-23 2999
Single-Image-Super-Resolution A list of resources for example-based single image super-resolution, inspired by Awesome-deep-vision and Awesome Computer Vision . Example-based methods Early learning...
瞎搞系列-重读softmax
Cutepingping的博客
06-22 304
瞎搞系列-重读softmaxsoftmax 在机器学习与深度学习中有着比较广泛的作用，尤其它在处理多分类任务的时候，分类器单元需要通过softmax函数进行数值处理。对于softmax的函数定义如下所示：其中，vi是分类器前级输出单元的输出，i表示类别索引，总得类别个数为C。Si表示当前元素的指数与所有元素指数和的比值。softmax将多分类的输出数值转化为相对概率，比较容易了解和比较。一个多分类...
文献阅读:Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network
暮日落流年的博客
01-05 6771
文章地址：https://arxiv.org/abs/1803.08664 作者的项目地址：CARN-Pytorch 1 简单介绍     作者说目前的主流的方法都是奔着性能表现去的，并没有考虑实际应用的情况。所以作者在本篇文章中提出一种快速，精确并且轻量级的网络。 2 网络介绍     提供
fast and accurate single image super-resolution via information distillation network
最新发布
04-10
《B'Fast and Accurate Single Image Super-Resolution via Information Distillation Network》是一篇关于图像超分辨率领域的研究论文，提出了一种新的方法——信息蒸馏网络，能够实现快速准确的图像超分辨率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值