深度学习模型中的图像超分辨率、去噪及部分图像恢复方法问题
无序系统与神经网络
2024-06-17 v3 动力系统
摘要
本文探讨了图像超分辨率与降噪的挑战，这对于提升源自低分辨率或含噪数据的图像质量至关重要。我们比较并评估了多种将低分辨率图像升级至更高分辨率以及消除不需要的噪声的方法，所有这些方法均在保持原始图像基本特征的同时，使用深度学习模型从质量差或受损的数据中恢复图像。我们的分析与图像质量指标上的实验结果表明，使用预训练权重增强的 EDCNN 神经网络模型显著优于其他方法，其训练 PSNR 为 31.215，验证 PSNR 为 29.493，测试 PSNR 为 31.6632。
引用
@article{arxiv.2404.09817,
title = {The Problem Of Image Super-Resolution, Denoising And Some Image Restoration Methods In Deep Learning Models},
author = {Ngoc-Giau Pham and Thanh-Hai Tong Le and Van-Hieu Duong and Hong-Ngoc Tran and Phuoc-Hung Vo},
journal= {arXiv preprint arXiv:2404.09817},
year = {2024}
}
备注
This article is no longer relevant