神经网络模型在图像超分领域的应用研究

来源 :信息工程大学学报 | 被引量 : 0次 | 上传用户:xuzhangzhe
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像分辨率提高即超分技术是指从低分辨率图像重建相应的高分辨率图像,在医学影像等领域有重要的应用价值。传统的基于插值的方法效果不尽理想,近年来深度学习被应用于该领域。回顾了快速超分辨卷积神经网络(FSRCNN)、深度超分辨率卷积神经网络(VDSR)、超分辨率生成对抗网络(SRGAN) 3种神经网络在图像超分中的应用原理,设计实验测试网络结构的效果,使用Set4、Set14、Urban100等数据集进行峰值信噪比、结构相似性等指标的测试,VDSR效果较好,改进VDSR网络结构,由原来的Y通道扩展为三通道
其他文献
随着Google首次在53位量子比特超导量子计算机验证了量子霸权,近年来量子计算技术成为了研究的热点。虽然超导量子计算机拥有极为强大的运算潜力,但容易受到退相干、环境噪声、串扰等因素的影响。这将导致在量子计算机上执行较为复杂的量子算法时,其运行结果不准确,这也是量子计算机难以实用化的重要原因。目前,IBM研发的小规模超导量子计算机面向用户免费开放量子云平台,并定时对机器性能参数进行校准。利用IBM量子云平台部分机器,对读出误差、CNOT门误差及其量子体积进行7天测试,并与IBM量子云平台声明数据进行对比,