最新23页《深度学习图像超分辨率应用综述》论文,带你全面了解深度学习超分方法(附下载)

2019 年 2 月 20 日 专知

【导读】图像超分(SR, Super-Resolution)图像处理及数据非常重要的应用方向,主要目标在于增强原始图像与视频的分辨率精度。最近这些年,非常多的图像超分问题研究均采用了深度学习的架构,本篇综述希望通过全面回顾基于深度学习的图像超分方法,帮助大家快速了解这一领域的最新动态。


介绍:


图像超分问题,主要目标是图像处理技术中的重要研究方向,主要目标是将图片从低分辨率恢复到高分辨率的图像。这类方法具有非常广泛的应用价值,比如医疗影像、安防等等。通常来说,这一问题非常具有挑战性,因为总是存在多种对应于相同低分辨率图像的高分辨率映射。在以往的研究中,提出了一些传统的超分方法,包括基于预测的方法,基于边的方法,以及稀疏表示方法等等。


随着深度学习技术的快速发展,基于深度学习的图像超分方法已经被开发出来,并且在多个测试任务上,取得了目前最优的性能效果。多种深度学习方法已经被应用到具体的图像超分任务中,从早期的卷积神经网络(SRCNN)到最近提出的基于GAN的超分方法。通常来说,使用了深度学习的超分算法类中,存在着以下几种不同之处:网络架构不同、损失函数不同、学习原理、策略不同等。


在这篇文章中,主要给出了在超分算法中使用深度学习技术的一些优势。虽然存在着一些其他关于超分算法的综述,但我们不同之处在于主要关注基于深度学习的超分算法,而不像其他早期工作那样关注于传统的超分算法综述。本篇综述给出了一个统一的深度学习视角,来回顾最近的超分技术进展。


近期综述

  • S. C. Park, M. K. Park, and M. G. Kang, “Super-resolution image

    reconstruction: A technical overview,” IEEE Signal Processing

    Magazine, vol. 20, 2003.

  • K. Nasrollahi and T. B. Moeslund, “Super-resolution: A comprehensive

    survey,” Machine Vision and Applications, vol. 25, 2014.

  • J. Tian and K.-K. Ma, “A survey on super-resolution imaging,”

    Signal, Image and Video Processing, vol. 5, 2011.

  • J. Van Ouwerkerk, “Image super-resolution survey,” Image and

    Vision Computing, vol. 24, 2006.

  • C.-Y. Yang, C. Ma, and M.-H. Yang, “Single-image superresolution:

    A benchmark,” in ECCV, 2014.

  • D. Thapa, K. Raahemifar,W. R. Bobier, and V. Lakshminarayanan,

    “A performance comparison among different super-resolution

    techniques,” Computers & Electrical Engineering, vol. 54, 2016.


本文的主要贡献包括三个方面:

  1. 给出了一个综合的基于深度学习的图像超分技术综述,包括问题设置、数据集、性能度量、一组基于深度学习的图像超分方法集合,特定领域的图像超分方法应用等等。

  2. 为最近基于深度学习的图像超分算法提供了系统性、结构化的视角,并总结了高效图像超分解决方案中的优势于劣势。

  3. 我们讨论了这个领域的挑战与开放问题,并总结了最近的新趋势与未来的发展方向。

【图像超分方法最新论文下载】

 请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“SRDL” 就可以获取图像超分最新综述论文的下载链接~ 


图像超分算法分类:



公开数据集:




附论文全文:

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成!480+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询《深度学习:算法到实战》课程,咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
42

相关内容

专知会员服务
178+阅读 · 2020年6月21日
专知会员服务
102+阅读 · 2020年3月12日
深度学习视频中多目标跟踪:论文综述
专知会员服务
89+阅读 · 2019年10月13日
超分辨率相关资源大列表
极市平台
24+阅读 · 2019年5月11日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
雷军强推:小米造最强超分辨率算法,现已开源
机器之心
7+阅读 · 2019年2月20日
深度学习图像超分辨率最新综述:从模型到应用
炼数成金订阅号
64+阅读 · 2019年2月20日
深度学习医学图像分析文献集
机器学习研究会
17+阅读 · 2017年10月13日
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Image Segmentation Using Deep Learning: A Survey
Arxiv
42+阅读 · 2020年1月15日
Arxiv
17+阅读 · 2019年4月5日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年7月31日
VIP会员
相关VIP内容
专知会员服务
178+阅读 · 2020年6月21日
专知会员服务
102+阅读 · 2020年3月12日
深度学习视频中多目标跟踪:论文综述
专知会员服务
89+阅读 · 2019年10月13日
相关论文
A survey on deep hashing for image retrieval
Arxiv
14+阅读 · 2020年6月10日
Image Segmentation Using Deep Learning: A Survey
Arxiv
42+阅读 · 2020年1月15日
Arxiv
17+阅读 · 2019年4月5日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
11+阅读 · 2018年7月31日
Top
微信扫码咨询专知VIP会员