典型文献
面向压缩图像复原的网络增强训练方法
文献摘要：
高质量的数据是深度卷积神经网络成功的关键因素之一.在计算机视觉领域,常用图像数据集通常以JPEG格式存储.这种有损压缩技术不可避免地会导致原始数据信息的丢失,进而造成利用压缩数据训练的卷积神经网络的性能降低.因此,为了增强卷积神经网络的性能,本文提出了一种面向压缩图像复原的增强训练方法,通过复原压缩图像实现卷积神经网络的性能增强.该方法具体为一个包含复原模块和任务模块的联合增强框架.复原模块致力于恢复有损压缩技术造成的信息丢失;任务模块专注于基于任务需求增强压缩图像.两个模块联合训练,使得压缩图像的复原增强更具有目的性.本文通过图像分类任务的实验表明,与压缩图像相比,该方法能有效地复原压缩图像,增强卷积神经网络的性能.此外,该方法中两个模块间的低耦合性和可替代性保证了该方法的适用性.
文献关键词：
压缩图像;复原;联合增强
中图分类号：
作者姓名：
廖理心;赵耀;韦世奎
作者机构：
北京交通大学信息科学研究所,北京100044;现代信息科学与网络技术北京市重点实验室,北京100044
文献出处：
引用格式：
[1]廖理心;赵耀;韦世奎-.面向压缩图像复原的网络增强训练方法)[J].信号处理,2022(06):1192-1201
A类：
压缩图像复原
B类：
训练方法,深度卷积神经网络,计算机视觉,图像数据集,常以,JPEG,有损压缩,压缩技术,原始数据,数据训练,增强卷积神经网络,性能增强,一个包,联合增强,信息丢失,基于任务,任务需求,需求增,强压,联合训练,目的性,图像分类,分类任务,模块间,低耦合,耦合性,可替代性
AB值：
0.254611
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
