检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 机械工程

主题

1 篇 残差注意力模块
1 篇 两阶段特征增强深...
1 篇 自适应权重分配
1 篇 图像超分辨率
1 篇 自适应特征增强循...

机构

1 篇 江西财经大学

作者

1 篇 赖厚增

语言

1 篇 中文

检索条件"主题词=两阶段特征增强深度残差网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于特征增强的深度残差超分辨率重建网络研究

基于特征增强的深度残差超分辨率重建网络研究

引用

作者：赖厚增江西财经大学

学位级别：硕士

图像超分辨率(Super Resolution,SR)技术是计算机视觉领域中的一项重要任务,其目的是将低分辨率(Low Resolution,LR)图像转化为高分辨率(High Resolution,HR)图像,以获得更加细致和清晰的视觉效果。这一技术已经引起了研究界的广泛关注... 详细信息

图像超分辨率(Super Resolution,SR)技术是计算机视觉领域中的一项重要任务,其目的是将低分辨率(Low Resolution,LR)图像转化为高分辨率(High Resolution,HR)图像,以获得更加细致和清晰的视觉效果。这一技术已经引起了研究界的广泛关注,因为它可以为图像处理和计算机图形学等领域提供有力的支持。图像分辨率的提升对于显示器、电视机、手机等许多设备都是至关重要的,因此,SR技术在诸多领域都拥有广阔应用前景,如直播、视频监控、视频编解码、遥感卫星图像、医学影像和视频复原等领域。近年来,随着深度学习技术的兴起,图像SR领域也取得了巨大的成功。目前,大部分基于深度学习的方法虽然可以通过增加模型的复杂度来提高图像SR重建网络的性能,但复杂的结构提取的特征存在大量冗余,而不同深度特征也没有被有效利用,这致使在阶段性的特征学习过程中存在一些特征的丢失,导致重建图像出现细节缺失、伪影或纹理扭曲现象。针对这些问题,本文的研究重点是基于特征增强的深度残差SR重建网络,并提出两种新的图像SR重建网络,主要研究工作如下:(1)提出一种自适应特征增强的循环残差网络。根据图像渐进式学习细节特征原理,通过构造一种自适应特征融合模块,能够有效地整合图像的浅层和深层特征,并对该模块采用循环机制来实现图像特征的精细化。自适应特征融合模块主要包含三个网络分支:细节注意分支、细节探索分支、权重分配分支。其中,细节注意分支被构建用于浅层特征的提取和增强,细节探索分支探索学习更深层的特征,权重分配分支学习两分支在通道上的相关性关系,自适应地为细节注意分支和细节探索分支分配权重,减少特征的冗余,以更好地整合图像不同深度的特征。在多个数据集上大量实验结果表明了本文方法得到的结果更接近真实的HR图像,获得了更优的性能指标。(2)提出一种两阶段特征增强的深度残差网络。根据两阶段学习策略逐步改进特征的表示和增强,第一阶段初始特征重建模块被用于重建粗糙的HR图像,第二阶段重建具有丰富细节特征的HR图像,最后将两个阶段重建图像融合得到最终的重建HR图像。第一阶段,一种注意力增强块被构建来增强初始特征,并通过多个卷积和反卷积层学习更多细节特征。第二阶段,在第一阶段提取的特征和重建结果的基础上,为了进一步提取更精细的特征,级联多个由空间特征增强块和一个注意力交互块构成的残差注意力模块,来学习在特征图通道和空间多个方向上的相关性,重构出精细细节。大量实验结果表明本文方法在主观和客观两方面都有优异性能表现,在参数和指标上都优于一些最新的图像SR方法。

关键词：图像超分辨率自适应特征增强循环残差网络自适应权重分配两阶段特征增强深度残差网络残差注意力模块

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：