码迷,mamicode.com
首页 > 其他好文 > 详细

9/20下午:超分辨技术的历史

时间:2019-09-23 09:55:09      阅读:92      评论:0      收藏:0      [点我收藏+]

标签:color   不同   使用   运动模糊   自己   作者   建模   结果   因此   

https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/83044386

一:学习图像超分辨率,先学习图像退化

当图片有多级退化或未知退化(比如运动模糊)时,能够帮我们获取真实结果的并不是建模过程,而是图像退化的学习过程。此外,它还解决的重建图像时的“老大难”问题:难以获取配对图像。(什么是配对图像呢?找不到)

首先,用未配对的图像训练一个降低分辨率的GAN,所以它学习了如何减小高分辨率图像的规模。

 

在第一阶段,我们可以使用不同的未配对数据集,比如由Celeb-A、AFLW、LS3D-W和VGGFace2组成的高分辨率图像数据集,或者低分辨率图像数据集Widerface。

在第二阶段,用上一步的输出结果,用成对训练数据从低分辨率到高分辨率地训练GAN

论文作者还提到,唯一的另外一种写到了真实低分辨率面部图像超分辨率结果的方法,也出自自己实验室,而且中了CVPR 18。这些结果只包含面部图像,因为它用到了面部标记,因此不能被应用到其他物体分类中。

9/20下午:超分辨技术的历史

标签:color   不同   使用   运动模糊   自己   作者   建模   结果   因此   

原文地址:https://www.cnblogs.com/magic-o/p/11557979.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!