基于深度残差乘子的水下图像超分辨率
图像与视频处理
2020-02-26 v3 计算机视觉与模式识别
摘要
我们提出了一种基于深度残差网络的生成模型，用于自主水下机器人使用的水下图像单图像超分辨率（SISR）。我们还提供了一个从成对数据学习 SISR 的对抗训练流程。为了监督训练，我们制定了一个目标函数，该函数基于图像的全局内容、颜色和局部风格信息来评估其感知质量。此外，我们提出了 USR-248，这是一个大规模数据集，包含三组“高”（640x480）和“低”（80x60、160x120 和 320x240）空间分辨率的水下图像。USR-248 包含用于 2 倍、4 倍或 8 倍 SISR 模型监督训练的成对实例。此外，我们通过定性和定量实验验证了所提模型的有效性，并将结果与几种最先进模型的性能进行了比较。我们还分析了其在噪声视觉条件下场景理解和注意力建模等应用中的实际可行性。
引用
@article{arxiv.1909.09437,
title = {Underwater Image Super-Resolution using Deep Residual Multipliers},
author = {Md Jahidul Islam and Sadman Sakib Enan and Peigen Luo and Junaed Sattar},
journal= {arXiv preprint arXiv:1909.09437},
year = {2020}
}