To Top
首页 > 图像处理 > 正文

超分辨率

标签:超分辨率, super resolution


目录

综述:从网络设计到实际应用,深度学习图像超分辨率综述

基于深度学习的超分辨率图像技术一览

参考https://blog.csdn.net/sinat_39372048/article/details/81628945

可以自己搞

  1. 找图,然后加运动模糊(随机添加运动方向和位移)
  2. 视频压缩所导致的模糊,自己压缩构造样本(边缘块状)

图片物理变化:用pil直接调锐度、亮度、对比度(有参照的,在原图基础上)之类的,其中亮度、锐度可以有个整体平均灰度值,可以往这个均值附近靠

SRCNN

FSRCNN

ESPCN

VDSR

DRCN

RED

DRRN

LapSRN

SRDenseNet

SRGAN(SRResNet)

EDSR

deblurGAN

讨论

最新的能精确控制某个神经元对应哪一部分(比如眼睛 鼻子之类的)

视频:用gan时,细节并没有损失,切帧,每一帧去做传统超分,可以。但做清晰度重建不行,因为运动的图片模糊部分比如帧1补了个脚。。可能帧2会补个手。。

传统超分可以先超分成大图,再下采样变小。可以省带宽,传输时下采样变小。

分辨率重建,是本身图片大小不变,直接改图。

还有另一个相似的课题:图像补全(image inpainting)

https://blog.csdn.net/gavinmiaoc/article/details/80802967

优酷数据集

优酷发布最大工业级超高清视频数据集,超分辨率算法大赛落幕

https://tianchi.aliyun.com/dataset/dataDetail?datald=39568


原创文章,转载请注明出处!
本文链接:http://daiwk.github.io/posts/cv-super-resolution.html
上篇: glow
下篇: tf与开源框架的集成

comment here..