文件名称：dcscn-super-resolution：基于深度学习的单图像超分辨率（SISR）模型“通过具有跳过连接和网络的网络的深度CNN实现快速而准确的图像超分辨率”的张量流实现
文件大小：191.66MB
文件格式：ZIP
更新时间：2024-02-25 18:10:33
python computer-vision deep-learning tensorflow super-resolution
网络中具有跳过连接和网络的深度CNN可以实现快速，准确的图像超分辨率 由，桑岛茂和ita 概述（版本2）。 这是基于深度学习的基于单图像的超分辨率（SISR）模型实现的张量流实现。 我们将其命名为DCSCN 。 如果要检查纸张的代码和结果，请检查。 模型结构如下。 我们将Deep CNN与残留网络，跳过连接和网络中的网络一起使用。 Deep CNN和Skip连接层的组合用作局部和全局区域中图像特征的特征提取器。 类似于1x1并行CNN，也称为网络中的网络，也用于图像重建。 作为版本2，我们还实现了这些功能。 来自像素混洗器 来自转置-CNN （可选） 来自自我整合 裁剪归一化（渐变裁