典型文献
双回归网络的单图像超分辨率重建
文献摘要：
现有基于卷积神经网络的单图像超分辨率模型存在三个限制.理论上存在无限的HR图像,可以下采样到相同的LR图像,可能的函数空间非常大.因为现实世界潜在的下采样方法是未知的,使用特定方法配对的数据训练的模型在实际应用中泛化能力差,产生适应性问题.忽视残差分支的高频层次特征.针对上述问题,提出双重回归方案.除了学习从LR到HR图像的原始回归映射之外,额外学习一个对偶回归映射来估计下采样核并重建LR图像,形成一个闭环提供额外的监督,并在残差结构上引入了傅里叶变换,增强模型对高频信息的表达能力.相比其他先进模型以更少的参数重建HR图像,且拥有丰富的高频纹理细节.
文献关键词：
单图像超分辨率重建;深度学习;卷积神经网络
中图分类号：
作者姓名：
张永;吕庚
作者机构：
兰州理工大学 计算机与通信学院,兰州 730050
文献出处：
引用格式：
[1]张永;吕庚-.双回归网络的单图像超分辨率重建)[J].计算机工程与应用,2022(18):277-283
A类：
双回归网络
B类：
单图像超分辨率重建,下采样,LR,函数空间,现实世界,采样方法,数据训练,泛化能力,适应性问题,层次特征,重回,对偶回归,射来,残差结构,傅里叶变换,增强模型,频信,表达能力,数重
AB值：
0.226208
相似文献
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。
