資訊專欄INFORMATION COLUMN
摘要：這也是很多大廠都在研發(fā)的原因深度超分辨率層次結(jié)構(gòu)該文作者總結(jié)了一張非常棒的圖，可以盡覽深度學(xué)習(xí)超分辨率的方方面面作者介紹了深度學(xué)習(xí)圖像超分辨的監(jiān)督學(xué)習(xí)方法，從模型框架上采樣方法網(wǎng)絡(luò)設(shè)計(jì)方法網(wǎng)絡(luò)學(xué)習(xí)策略和可能的改進(jìn)策略進(jìn)行了細(xì)致總結(jié)。
今日arXiv新上論文《Deep Learning for Image Super-resolution:A Survey》，詳細(xì)回顧了近年來(lái)基于深度學(xué)習(xí)的圖像超分辨率（Super-resolution，SR）的方方面面，對(duì)于想要進(jìn)入該領(lǐng)域、在該領(lǐng)域進(jìn)一步研究、涉足該領(lǐng)域研發(fā)的朋友，堪稱必讀論文。
該文作者分別來(lái)自華南理工大學(xué)和新加坡管理大學(xué)。
何為圖像超分辨？
通俗點(diǎn)說(shuō)，就是把圖像由小變大，分辨率從低到高。
但這里面卻有大學(xué)問(wèn)！
放大后不可避免涉及到圖像中更多細(xì)節(jié)要被用戶看到，搞不好會(huì)讓人看著很難受。
從上面的圖可以看到使用最近鄰方法插值直接放大的圖像和使用超分辨率算法生成的大圖的比較。明眼人一眼就能知道后者讓人更舒服！
超分辨率也可以幫助圖像壓縮，涉及到傳輸和保存的時(shí)候使用小圖，view的時(shí)候看大圖，數(shù)據(jù)量小很多。這也是很多大廠都在研發(fā)SR的原因！
深度超分辨率層次結(jié)構(gòu)
該文作者總結(jié)了一張非常棒的圖，可以盡覽深度學(xué)習(xí)超分辨率的方方面面??！
作者介紹了深度學(xué)習(xí)圖像超分辨的監(jiān)督學(xué)習(xí)方法，從模型框架、上采樣方法、網(wǎng)絡(luò)設(shè)計(jì)方法、網(wǎng)絡(luò)學(xué)習(xí)策略、和可能的改進(jìn)策略進(jìn)行了細(xì)致總結(jié)。
同時(shí)介紹了該領(lǐng)域的性能度量標(biāo)準(zhǔn)，包括常用數(shù)據(jù)集總結(jié)。
然后介紹了今年新出現(xiàn)的非監(jiān)督的圖像超分辨方法和SR的應(yīng)用。實(shí)際可以這么說(shuō)，有圖像的地方就有SR的應(yīng)用場(chǎng)景。
該文總結(jié)了近年來(lái)200多篇該領(lǐng)域的文獻(xiàn)，非常值得一讀，并不涉及艱深的算法原理，適合入門。
論文地址：
https://arxiv.org/pdf/1902.06068.pdf
52CV曾經(jīng)報(bào)道過(guò)多篇SR技術(shù)，前段時(shí)間介紹了
小米開源FALSR算法：快速較精確輕量級(jí)的超分辨率模型
今天小米的這篇佳作還被雷軍叔叔點(diǎn)名表?yè)P(yáng)了：
圖像超分辨率是一項(xiàng)基礎(chǔ)應(yīng)用的工作，如果效果、效率做好了，能夠在移動(dòng)端商用的話，可以幫企業(yè)省不少真金白銀呢！
聲明：文章收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系小編及時(shí)處理，謝謝！
歡迎加入本站公開興趣群商業(yè)智能與數(shù)據(jù)分析群
興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)
QQ群：81035754
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/4853.html
摘要：摘要背景深度學(xué)習(xí)是一種表示學(xué)習(xí)方法，非常適合用來(lái)處理數(shù)字病理學(xué)中的圖像分析問(wèn)題。優(yōu)質(zhì)的注釋樣本是深度學(xué)習(xí)重要的先決條件，但是處理數(shù)字病理學(xué)中最大的挑戰(zhàn)就是獲取高質(zhì)量的注釋樣本。本文使用的深度學(xué)習(xí)主要由四個(gè)模塊組成。 Deep learning for digital pathology image analysis: A comprehensive tutorial with sele...
摘要：醫(yī)學(xué)圖像分析主要包含的模式識(shí)別任務(wù)是檢測(cè)定位分割配準(zhǔn)分類。面臨挑戰(zhàn)作者簡(jiǎn)述了深度學(xué)習(xí)用于醫(yī)學(xué)圖像分析面臨的挑戰(zhàn)，主要有缺少較精確的標(biāo)注數(shù)據(jù)。關(guān)注能對(duì)醫(yī)學(xué)圖像分析帶來(lái)啟發(fā)的其他計(jì)算機(jī)視覺(jué)機(jī)器學(xué)習(xí)領(lǐng)域的新工作。 今天arXiv新上一篇論文《Going Deep in Medical Image Analysis: Concepts, Methods, Challenges and Future ...
摘要：本文是雜志為紀(jì)念人工智能周年而專門推出的深度學(xué)習(xí)綜述，也是和三位大神首次合寫同一篇文章。逐漸地，這些應(yīng)用使用一種叫深度學(xué)習(xí)的技術(shù)。監(jiān)督學(xué)習(xí)機(jī)器學(xué)習(xí)中，不論是否是深層，最常見(jiàn)的形式是監(jiān)督學(xué)習(xí)。 本文是《Nature》雜志為紀(jì)念人工智能60周年而專門推出的深度學(xué)習(xí)綜述，也是Hinton、LeCun和Bengio三位大神首次合寫同一篇文章。該綜述在深度學(xué)習(xí)領(lǐng)域的重要性不言而喻，可以說(shuō)是所有人入門深...
摘要：接上文深度學(xué)習(xí)和的聯(lián)合綜述上卷積神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)被設(shè)計(jì)用來(lái)處理到多維數(shù)組數(shù)據(jù)的，比如一個(gè)有個(gè)包含了像素值圖像組合成的一個(gè)具有個(gè)顏色通道的彩色圖像。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)的一個(gè)重大成功應(yīng)用是人臉識(shí)別。 三大牛Yann LeCun、Yoshua Bengio和Geoffrey Hinton在深度學(xué)習(xí)領(lǐng)域的地位無(wú)人不知。為紀(jì)念人工智能提出60周年，的《Nature》雜志專門開辟了一個(gè)人工智能 +...
閱讀 1152·2023-04-26 02:49
閱讀 1318·2021-11-25 09:43
閱讀 2707·2021-11-18 10:02
閱讀 3063·2021-10-18 13:32
閱讀 1418·2019-08-30 13:54
閱讀 2219·2019-08-30 12:58
閱讀 3170·2019-08-29 14:06
閱讀 2288·2019-08-28 18:10
