matlab代码影响-Autoencoder-based-Super-Resolution:硕士论文项目。在该项目中，设计了一个自动编码器模型
matlab代码影响基于自动编码器的单图像超分辨率
介绍
单图像超分辨率（SISR）是计算机视觉中的不适定问题，并且在视频编码的背景下显示出其潜力。
自从SRCNN
[1]模型首次提出以来，训练基于深度学习的模型来执行超分辨率已成为该领域的当前研究重点。
基于深度学习的超分辨率的当前流程如图1所示。首先使用双三次/
SHVC方法将原始图像降采样为低分辨率图像，然后通过插值方法将低分辨率图像放大。
插值图像用于深度学习模型的训练和测试。
图1：当前基于深度学习的SISR模型的一般结构。
在该项目中，发现不同的下采样方法对基于深度学习的SISR模型的训练和性能有深远的影响。
使用几乎没有别名的下采样和内插方法进行训练对网络恢复高一半频率的信息没有帮助。
基于这些结论，设计了一种可以同时学习下采样和上采样操作的自动编码器模型，希望该自动编码器模型可以学习适当的下采样方法，以便在上半频率范围内获得更多信息。可以恢复的。
测试结果表明，与VDSR
[2]模型相比，该自动编码器模型可以实现更高的PSNR值。
自动编码器模型的结构如图2所示。图2：基于自动编码器的SISR模型的结构。
表1给出了测试
文件下载
资源详情
[{"title":"（ 647 个子文件 109.86MB ） matlab代码影响-Autoencoder-based-Super-Resolution:硕士论文项目。在该项目中，设计了一个自动编码器模型","children":[{"title":"psnr.py <span style='color:#111;'> 2.81KB </span>","children":null,"spread":false},{"title":"SR.py <span style='color:#111;'> 4.73KB </span>","children":null,"spread":false},{"title":"SR_epoch_038.ckpt.meta <span style='color:#111;'> 392.00KB </span>","children":null,"spread":false},{"title":"SR_epoch_038.ckpt.data-00000-of-00001 <span style='color:#111;'> 8.48MB </span>","children":null,"spread":false},{"title":"SR_epoch_038.ckpt.index <span style='color:#111;'> 4.96KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多，未全部展示</span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- gif透明背景loading图片大全
- QT课程设计
- QT串口与51单片机通信
- Matlab读取Excel数据，支持中文和混合数据，带例子
- 3dmax VR材质转标准材质插件 可一键互转
- 基于FPGA的2ask，2bsk，2psk
- 完整的美国shp 地图 首次传东西，希望大家多多下载使用，有问题一起交流
- 清华大学-高等数值分析-插值实验报告
- Python编程 从入门到实践 第二版 代码.rar
- 学生选课系统完整版
- 最新mysql jdbc 驱动jar包
- ESP8266模块 上传数据 到 乐联网和反向控制
- 黑白色系小株仙人掌折扣批发商网站html模板
- demoXEPPWM.rar
- 程序设计实践报告.docx
- 商业计划书PPT模板（14份）.zip
- DirectXsetup
- android2.2 制作相册
- 随机点名程序（java线程实现）
- .net在线教学系统源码
- Erlang6大数据存储方式总结
- 网盘下载加速
- Servlet详细讲解（案例分析）
- mpu6050资料代码
- tensorflow车牌号码识别源码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明