上传者: 42181545
|
上传时间: 2022-01-07 11:05:41
|
文件大小: 191.66MB
|
文件类型: -
网络中具有跳过连接和网络的深度CNN可以实现快速,准确的图像超分辨率
由,桑岛茂和ita
概述(版本2)。
这是基于深度学习的基于单图像的超分辨率(SISR)模型实现的张量流实现。 我们将其命名为DCSCN 。 如果要检查纸张的代码和结果,请检查。
模型结构如下。 我们将Deep CNN与残留网络,跳过连接和网络中的网络一起使用。 Deep CNN和Skip连接层的组合用作局部和全局区域中图像特征的特征提取器。 类似于1x1并行CNN,也称为网络中的网络,也用于图像重建。
作为版本2,我们还实现了这些功能。
来自像素混洗器
来自转置-CNN (可选)
来自自我整合
裁剪归一化(渐变裁