面向真实退化图像的盲超分辨率与裂缝分割联合学习
计算机视觉与模式识别
2024-03-11 v3 人工智能
图像与视频处理
摘要
本文提出由超分辨率（SR）增强的裂缝分割，使用深度神经网络。在所提方法中，SR 网络与二值分割网络以端到端方式联合训练。该联合学习使 SR 网络针对改善分割结果进行优化。针对真实场景，SR 网络从非盲扩展为盲，以处理由未知模糊退化的低分辨率图像。我们通过提出的两个额外路径改进联合网络，进一步促进 SR 与分割之间的相互优化。与当前最优（State of The Art, SoTA）分割方法的对比实验证明了我们联合学习的优越性，多种消融研究证实了我们所做贡献的效果。
引用
@article{arxiv.2302.12491,
title = {Joint Learning of Blind Super-Resolution and Crack Segmentation for Realistic Degraded Images},
author = {Yuki Kondo and Norimichi Ukita},
journal= {arXiv preprint arXiv:2302.12491},
year = {2024}
}
备注
Accepted to IEEE Transactions on Instrumentation and Measurement (TIM) 2024. The project page is located at https://yuki-11.github.io/CSBSR-project-page/