基于深度学习的图像补全算法综述

2020 年 12 月 4 日 专知


摘要: 图像补全是图像处理的一个研究领域,为有物体遮挡以及图像关键部分缺失状况下的图像识别提供了解决方案,应用领域非常广泛,受到了人们的关注。经深度学习方法补全的图像具有更高的图像分辨率和可靠性,逐渐成为图像补全的主流方法之一。文中针对图像补全领域的主要问题,介绍了相关深度学习方法的基本原理和经典算法,系统而渐进地剖析了2010年以来有代表性的图像补全方法,探讨了基于深度学习的图像补全在不同领域的具体应用,并列举了该研究领域目前面临的几个问题。

http://www.jsjkx.com/CN/10.11896/jsjkx.200600009


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DLIC” 就可以获取基于深度学习的图像补全算法综述》专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
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专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
1

相关内容

专知会员服务
31+阅读 · 2021年1月9日
专知会员服务
99+阅读 · 2020年12月8日
专知会员服务
81+阅读 · 2020年12月6日
基于深度学习的表面缺陷检测方法综述
专知会员服务
89+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
147+阅读 · 2020年4月25日
【中科院】命名实体识别技术综述
专知
16+阅读 · 2020年4月21日
多模态深度学习综述,18页pdf
专知
51+阅读 · 2020年3月29日
「中文文献」目标跟踪算法综述
专知
3+阅读 · 2019年7月25日
基于深度学习的文本生成【附217页PPT下载】
专知
35+阅读 · 2018年11月24日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Deep Learning for Generic Object Detection: A Survey
Arxiv
14+阅读 · 2018年9月6日
Arxiv
7+阅读 · 2018年1月24日
VIP会员
相关VIP内容
专知会员服务
31+阅读 · 2021年1月9日
专知会员服务
99+阅读 · 2020年12月8日
专知会员服务
81+阅读 · 2020年12月6日
基于深度学习的表面缺陷检测方法综述
专知会员服务
89+阅读 · 2020年5月31日
基于深度学习的多标签生成研究进展
专知会员服务
147+阅读 · 2020年4月25日
相关资讯
相关论文
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
Deep Learning for Generic Object Detection: A Survey
Arxiv
14+阅读 · 2018年9月6日
Arxiv
7+阅读 · 2018年1月24日
Top
微信扫码咨询专知VIP会员