题目: Deep Unfolding Network for Image Super-Resolution

摘要:

基于学习的单图像超分辨率(SISR)方法不断显示出优于传统的基于模型的方法的有效性和效率,这主要是由于端到端的训练。但是,与基于模型的方法不同,基于模型的方法可以在统一的MAP(maximum a posteriori)框架下处理具有不同比例因子、模糊内核和噪声级别的SISR问题,基于学习的方法通常缺乏这种灵活性。为了解决这一问题,本文提出了一种基于学习方法和基于模型方法的端到端可训练展开网络。具体来说,通过半二次分裂算法展开映射推理,可以得到由交替求解一个数据子问题和一个先验子问题组成的固定次数的迭代。这两个子问题可以用神经模块来解决,从而得到一个端到端可训练的迭代网络。因此,所提出的网络继承了基于模型的方法的灵活性,在保持基于学习的方法的优点的同时,通过单一模型对不同尺度因子的模糊、有噪声的图像进行超分辨。大量的实验证明了所提出的深度展开网络在灵活性、有效性和可推广性方面的优越性。

成为VIP会员查看完整内容
43

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
专知会员服务
49+阅读 · 2020年6月14日
轻量级神经网络架构综述
专知会员服务
93+阅读 · 2020年4月29日
【CVPR2020】MSG-GAN:用于稳定图像合成的多尺度梯度GAN
专知会员服务
26+阅读 · 2020年4月6日
图像超分辨率网络:RCAN
极市平台
7+阅读 · 2019年8月18日
哇~这么Deep且又轻量的Network,实时目标检测
计算机视觉战队
7+阅读 · 2018年8月15日
如何处理多种退化类型的卷积超分辨率
算法与数学之美
6+阅读 · 2018年6月1日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
Deep Co-Training for Semi-Supervised Image Segmentation
VIP会员
相关资讯
图像超分辨率网络:RCAN
极市平台
7+阅读 · 2019年8月18日
哇~这么Deep且又轻量的Network,实时目标检测
计算机视觉战队
7+阅读 · 2018年8月15日
如何处理多种退化类型的卷积超分辨率
算法与数学之美
6+阅读 · 2018年6月1日
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
微信扫码咨询专知VIP会员