最新论文阅读(21)--Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convoluti

Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network

- 2016年9月   
- 超分辨率
- Twitter

  sub-pixel convolution layer,它可以学习一组而不是一个上采样滤波器,从低分辨率的特征图得到高分辨率图像。

框架

  提出了一种新型的CNN框架,用于实现在低分辨率的图像上提取特征并进行超分辨处理。而之前的超分辨方法需将低分辨率图像上采样至高分辨率图像的尺寸,再使用滤波器进行双线性插值,这种方式容易陷入局部最优且计算量较大。
  本篇文章提出了一种叫做 sub-pixel convolution layer,它可以学习一组而不是一个上采样滤波器,从低分辨率的特征图得到高分辨率图像。
  这里写图片描述

实验

  这种方法既取得比之前方法更好的效果,处理速度也比之前基于CNN的超分辨率方法更快。
这里写图片描述

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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