作者:
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:
近几年通过深度学习来进行图像超分辨率的研究越来越多,但更多的研究在于通过改变网络结构的深度和宽度来提升图像超分的质量,很少有研究采用轻巧而有效的网络来提高超分的效率而不影响其性能.因此,本文主要阐述几种轻量化网络,对其原理进行阐述,并对未来图像超分的发展趋势进行了展望.
推荐文章
基于深度学习的单图像超分辨率重建研究综述
单图像超分辨率重建
深度学习
密集卷积网络
生成式对抗网络
基于ResNeXt和WGAN网络的单图像超分辨率重建
单图像超分辨率重建
ResNeXt
WGAN
深度学习
基于深度学习的辐射图像超分辨率重建方法
辐射图像
超分辨率重建
深度学习
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
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 基于轻量化网络的图像超分辨率研究综述
来源期刊 智能计算机与应用 学科
关键词 超分辨率 轻量化网络 深度学习
年,卷(期) 2020,(11) 所属期刊栏目 学术研究与应用|Academic research and application
研究方向 页码范围 1-7,15
页数 8页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.2095-2163.2020.11.002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (7)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
超分辨率
轻量化网络
深度学习
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
智能计算机与应用
双月刊
2095-2163
23-1573/TN
大16开
哈尔滨市南岗区繁荣街155号(哈工大新技术楼916室)
14-144
1985
chi
出版文献量(篇)
6183
总下载数(次)
26
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导