文件名称：Modelling-Convolutional-Neural-Networks-CNN-to-handle-saturation-in-image-deblurring:小型项目
文件大小：3KB
文件格式：ZIP
更新时间：2024-04-02 15:19:03
对卷积神经网络（CNN）建模以处理图像去模糊时的饱和度 关键字和含义 内核-在图像处理中，内核，卷积矩阵或遮罩是小矩阵。 它用于模糊，锐化，压纹，边缘检测等。 这是通过在内核和映像之间进行卷积来实现的。 （在我们的例子中，这是发生模糊的动作，或者是相机移动的动作） 盲反卷积-从模糊图像和未知模糊内核中恢复理想图像。 非盲反卷积-使用已知的模糊内核从模糊图像中恢复理想图像。 离群值-像元饱和度和非高斯噪声之类的像素处理。 振铃伪影-振铃效果在图像的饱和部分周围产生。 L1范数-向量的和。 L2范数-距原点的欧几里得距离。 空间不变性-即使CNN看起来与训练期间的图像不完全一样，它也允许CNN检测特征/对象。 位移不变性涵盖了“小的”差异，例如几个像素的运动位移。 后验的-根据经验，观察或现有数据应用于被认为是正确的知识的术语。 非神经论文 1）非盲图像反卷积中的E-CHO-L
【文件预览】：
Modelling-Convolutional-Neural-Networks-CNN-to-handle-saturation-in-image-deblurring-main
----README.md(5KB)