期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向单幅遥感图像的生成对抗网络超分辨率重建
被引量：
4
1
作者
韩志晟
孙丕川
唐超
《测绘通报》
CSCD
北大核心
2021年第8期106-110,共5页
利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,S...
利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,SRGAN模型相较于传统方法,提出了新的感知损失函数,由对抗损失和内容损失组成。对抗损失通过训练判别器网络结构区分生成图像和实际高分辨率图像,而内容损失则利用预训练的VGG19网络模型计算图像特征的感知相似度,而不是在像素空间上的相似度。试验证明,利用SRGAN获得的高分辨率图片,MOS指标高于传统方法。本文围绕SRGAN的原理、效果、应用等进行了阐述。
展开更多
关键词
单图像超分
生成对抗网络
VGG19网络模型
内容
损失
函数
对抗
损失
函数
下载PDF
职称材料
基于双转移网络的深度特征重排图像修复算法
被引量：
2
2
作者
李海燕
王伟华
+1 位作者
郭磊
周丽萍
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第7期74-78,共5页
为对图像中大面积缺失区域进行合理的结构修复和精细的纹理填充,提出了一种基于双转移网络的深度特征重排图像修复算法.首先提取缺失图像的特征并还原图像纹理细节;然后根据编码器特征估计缺失内容,提出基于解码器特征的内容损失函数,...
为对图像中大面积缺失区域进行合理的结构修复和精细的纹理填充,提出了一种基于双转移网络的深度特征重排图像修复算法.首先提取缺失图像的特征并还原图像纹理细节;然后根据编码器特征估计缺失内容,提出基于解码器特征的内容损失函数,减少全连接层的解码器特征与缺失区域编码器特征之间的距离,保证合成图像语义的准确性和结构的合理性.在公开数据集上,将提出算法与现有经典算法进行对比,结果表明:在大面积缺失图像修复中,提出算法能得到清晰、细节细腻且视觉合理的结果.
展开更多
关键词
图像修复
双转移网络
特征重排
解码器特征
内容
损失
函数
原文传递
题名
面向单幅遥感图像的生成对抗网络超分辨率重建
被引量：
4
1
作者
韩志晟
孙丕川
唐超
机构
北京城建勘测设计研究院有限责任公司
城市轨道交通深基坑岩土工程北京市重点实验室
出处
《测绘通报》
CSCD
北大核心
2021年第8期106-110,共5页
文摘
利用低分辨率图像生成高分辨率图像的过程称为图像超分辨率,目的是得到一张清晰的影像。随着人工智能的蓬勃发展,在遥感、辅助文本识别等诸多领域,图像超分辨率的应用愈加广泛。本文利用生成对抗网络的深度学习模型进行单图像超分重建,SRGAN模型相较于传统方法,提出了新的感知损失函数,由对抗损失和内容损失组成。对抗损失通过训练判别器网络结构区分生成图像和实际高分辨率图像,而内容损失则利用预训练的VGG19网络模型计算图像特征的感知相似度,而不是在像素空间上的相似度。试验证明,利用SRGAN获得的高分辨率图片,MOS指标高于传统方法。本文围绕SRGAN的原理、效果、应用等进行了阐述。
关键词
单图像超分
生成对抗网络
VGG19网络模型
内容
损失
函数
对抗
损失
函数
Keywords
single image super-resolution
generative adversarial networks
VGG19 networks
content loss function
perceptual loss function
分类号
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
基于双转移网络的深度特征重排图像修复算法
被引量：
2
2
作者
李海燕
王伟华
郭磊
周丽萍
机构
云南大学信息学院
云南大学《云南大学学报(自然科学版)》编辑部
出处
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021年第7期74-78,共5页
基金
云南省高校重点实验室建设计划资助项目
云南省重大科技专项资助项目(2018ZF017)。
文摘
为对图像中大面积缺失区域进行合理的结构修复和精细的纹理填充,提出了一种基于双转移网络的深度特征重排图像修复算法.首先提取缺失图像的特征并还原图像纹理细节;然后根据编码器特征估计缺失内容,提出基于解码器特征的内容损失函数,减少全连接层的解码器特征与缺失区域编码器特征之间的距离,保证合成图像语义的准确性和结构的合理性.在公开数据集上,将提出算法与现有经典算法进行对比,结果表明:在大面积缺失图像修复中,提出算法能得到清晰、细节细腻且视觉合理的结果.
关键词
图像修复
双转移网络
特征重排
解码器特征
内容
损失
函数
Keywords
image inpainting
double shift net
feature rearrangement
decoder feature
content loss function
分类号
TP319 [自动化与计算机技术—计算机软件与理论]
原文传递
题名
作者
出处
发文年
被引量
操作
1
面向单幅遥感图像的生成对抗网络超分辨率重建
韩志晟
孙丕川
唐超
《测绘通报》
CSCD
北大核心
2021
4
下载PDF
职称材料
2
基于双转移网络的深度特征重排图像修复算法
李海燕
王伟华
郭磊
周丽萍
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2021
2
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
