基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对卷积神经网络图像超分辨率算法中的映射函数容易出现过拟合、梯度弥散等问题,提出一种由卷积网络和反卷积网络构成的复合卷积神经网络算法.提出使用RReLUs和Softplus函数结合形式作为激活函数,有效改善了过拟合问题;采用附加修正系数的小批量梯度下降法,避免梯度弥散现象;利用反卷积网络实现高分辨率图像重建.实验证明新的网络模型有效改善了图像的清晰度和边缘锐化,在主观视觉效果和客观评价指标上都获得了显著提升.
推荐文章
基于改进卷积神经网络的图像超分辨率算法研究
低分辨率
超分辨率
卷积神经网络
图像处理
复原
基于卷积神经网络的视频图像超分辨率重建方法
视频
超分辨率重建
卷积神经网络
深度学习
基于深度复合卷积神经网络的低分辨率单影像复原
超低分辨率图像
卷积神经网络
单影像复原
基于神经网络学习的锥形束CT图像超分辨率重建算法
锥形束CT
卷积神经网络
降噪
超分辨率重建
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复合卷积神经网络的图像超分辨率算法
来源期刊 计算机工程与应用 学科 工学
关键词 低分辨率 超分辨率 卷积层 反卷积层
年,卷(期) 2019,(13) 所属期刊栏目 图形图像处理
研究方向 页码范围 186-192
页数 7页 分类号 TP391.4
字数 5985字 语种 中文
DOI 10.3778/j.issn.1002-8331.1804-0229
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 胡晓辉 兰州交通大学电子与信息工程学院 99 503 10.0 16.0
2 张明 兰州交通大学电子与信息工程学院 5 6 1.0 2.0
3 吴嘉昕 兰州交通大学电子与信息工程学院 3 6 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
低分辨率
超分辨率
卷积层
反卷积层
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导