超级会员免费看
本文探讨了神经网络训练时间长及高频细节恢复不足的问题，提出了一种利用残差学习的图像超分辨率重建算法。通过残差网络加速学习与收敛，并结合分数阶傅里叶变换增强细节恢复。实验部分展示了改进的网络结构和残差单元在提升图像重建质量上的效果。
摘要：作者针对神经网络训练时间长，重建高频细节缺失等问题，构建了使用残差学习的的图像超分算法。网络通过残差学习，加快网络的学习和收敛速度，在残差网络基础上，加入了分数阶傅里叶变换来最大限度的恢复图片的细节信息。
网络结构。作者在VDSR的基础上，改进残差模块，加入分数阶傅里叶变换。这里图像经过分数阶傅里叶变换相当于图像经过了不同截止频率的高通滤波器。进一步提取图像的细节信息。
作者认为BN层的存在会对卷积层的特征进行正则化，对训练速度和最后的精度都有影响。所以作者提出改进了残差单元。
实验部分
订阅专栏 解锁全文
扫一扫
602
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
