-
题名基于深度反卷积神经网络的图像超分辨率算法
被引量：24
- 1
-
-
作者
彭亚丽
张鲁
张钰
刘侍刚
郭敏
-
机构
现代教学技术教育部重点实验室(陕西师范大学)
陕西省教学信息技术工程实验室(陕西师范大学)
陕西师范大学计算机科学学院
-
出处
《软件学报》
EI
CSCD
北大核心
2018年第4期926-934,共9页
-
基金
国家自然科学基金(61672333
61741208
+11 种基金
61402274
61772325)
陕西省工业科技攻关项目(2016GY-081)
教育部高等教育司产学合作协同育人项目(201701023062)
陕西省自然科学基金(2017JQ6074)
陕西省农业攻关项目(2016NY-176)
陕西省重点科技创新团队计划(2014KTC-18)
教育部科技发展中心"云数融合科教创新"基金(2017A07053)
陕西师范大学学习科学交叉学科培育计划
中央高校基本科研业务费专项资金(2017CSY024
GK201603091
GK201703054)~~
-
文摘
图像超分辨率一直是底层视觉领域的研究热点,现有基于卷积神经网络的方法直接利用传统网络模型,未对图像超分辨率属于回归问题这一本质进行优化,其网络学习能力较弱,训练时间较长,重建图像的质量仍有提升空间.针对这些问题,提出了基于深度反卷积神经网络的图像超分辨率算法,该算法利用反卷积层对低分辨率图像进行上采样处理,再经深度映射消除由反卷积层造成的噪声和伪影现象,使用残差学习降低网络复杂度,同时避免了因网络过深导致的网络退化问题.在Set 5、Set 14等测试集中,所提算法的PSNR、SSIM、IFC这3项评价指标都优于FSRCNN,重建图像的视觉效果同样验证了该算法出色的性能.
-
关键词
卷积神经网络
图像超分辨率
深度映射
上采样
-
Keywords
eonvolutioual neural network
image super-resolution
deep mapping
upsampling
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多注意力多尺度特征融合的图像描述生成算法
被引量：17
- 2
-
-
作者
陈龙杰
张钰
张玉梅
吴晓军
-
机构
现代教学技术教育部重点实验室(陕西师范大学)
陕西省教学信息技术工程实验室(陕西师范大学)
文化教育智慧传播工程技术研究中心(陕西师范大学)
陕西师范大学计算机科学学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第2期354-359,共6页
-
基金
国家自然科学基金资助项目(11772178
61741208
+8 种基金
11502133)
中央高校基本科研业务费资助项目(GK201801004
GK201803089
GK201703082)
陕西省自然科学基金资助项目(2017JQ6074)
国家重点研发计划项目(2017YFB1402102)
陕西省自然科学基础研究计划项目(2017JM6103
2017JM6060)
陕西师范大学2017年度校级综合教改研究项目(17JG33)~~
-
文摘
针对图像描述生成中对图像细节表述质量不高、图像特征利用不充分、循环神经网络层次单一等问题,提出基于多注意力、多尺度特征融合的图像描述生成算法。该算法使用经过预训练的目标检测网络来提取图像在卷积神经网络不同层上的特征,将图像特征分层输入多注意力结构中,依次将多注意力结构与多层循环神经网络相连,构造出多层次的图像描述生成网络模型。在多层循环神经网络中加入残差连接来提高网络性能,并且可以有效避免因为网络加深导致的网络退化问题。在MSCOCO测试集中,所提算法的BLEU-1和CIDEr得分分别可以达到0. 804及1. 167,明显优于基于单一注意力结构的自上而下图像描述生成算法;通过人工观察对比可知,所提算法生成的图像描述可以表现出更好的图像细节。
-
关键词
长短期记忆网络
图像描述
多注意力机制
多尺度特征融合
深度神经网络
-
Keywords
Long Short-Term Memory(LSTM)network
image caption
multi-attention mechanism
multi-scale feature fusion
deep neural network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
