利用 GAN 实现显微图像实时超分辨率
图像与视频处理
2020-10-12 v1 计算机视觉与模式识别
摘要
在过去几年中，若干深度学习模型，尤其是生成对抗网络（GAN），因单图像超分辨率（SISR）任务而备受关注。这些方法致力于构建端到端框架，通过单步从给定的低分辨率（LR）图像生成高分辨率（SR）图像，从而达到最先进的性能。本文聚焦于改进一种已有的基于深度学习的方法，以使用标准 GPU 实时执行超分辨率显微成像。为此，我们首先提出一种分块策略，利用 GPU 提供的并行性来加速网络训练过程。此外，我们对 SRGAN 的生成器和判别器架构提出了简单改动。随后，我们比较了我们的模型所产生输出的质量与运行时间，拓展了其在低端台式甚至移动显微等不同领域的应用。最后，我们探索了训练后的网络为不同域生成高分辨率（HR）输出的可能性。
引用
@article{arxiv.2010.04634,
title = {Attaining Real-Time Super-Resolution for Microscopic Images Using GAN},
author = {Vibhu Bhatia and Yatender Kumar},
journal= {arXiv preprint arXiv:2010.04634},
year = {2020}
}
备注
10 pages, 10 figures, 3 tables