Professional Documents
Culture Documents
毕业论文介绍
毕业论文介绍
糊网络 超分去模糊网络
目标 为了使用单一网络同时解决单图像中的模糊和低分辨率问题
1. 基于窗口变换的
1. 基于深度展开网络端到端
点1 Transformer (局部特征|减少
(超分)
参数)
2. 仿射网络估计空间模糊核 2. 层间的 Transfomer (全局特
点2
(去模糊) 征|减少参数)
将最大后验估计与卷积神经网
利用层间的方式解决了
络结合起来,继承了最大后验
SwinTransformer 方式中无法获
的灵活性和卷积神经网络端到
网络特点 得全局模糊特征的缺陷,进一
基于深度展开网络的超分去模 基于窗口的层间 Transformer
糊网络 超分去模糊网络
两个网络从不同的角度入手解决单图像的超分去模糊问题。
论文 1 将最大后验估计和深度神经网络结合提出了深度展开网
络;仿射网络提取局部特性更优的模糊核。
论文 2 在 SwinTransformer 的基础上,从卷积神经网络的改进
总结 过程中获得新的思路( MobileNet ),将层间训练的方式与
Transformer 结合。
1.2.2 单图像超分辨率研究现状
1. 基于最大后验估计超分辨率
2. 基于卷积神经网络超分辨率
1.2.2 卷积神经网络
1. 多尺度框架 multi scale
2. 多通道框架 multi patch
3. 多时间框架 multi temporal