公开(公告)号：CN110473142A

公开(公告)日：2019-11-19

申请号：CN201910431489.0

申请日：2019-05-22

Applicant: 南京理工大学

Inventor： 杜天文 ,  张毅锋 ,  束锋 ,  刘林 ,  桂林卿 ,  张一晋

IPC: G06T3/40 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的单幅图像超分辨率重建方法，针对网络架构，去除了残差模块的批归一化层，增加了紧密连接和作用于判别域的网络，针对损失函数，融合了多种不同损失函数。本发明节约了计算资源、增强了层与层之间的传播，使得生成的图像具有高频信息而不是高频噪声，提高了生成图片在不同数据集上的峰值信噪比、结构相似性以及视觉效果。

公开(公告)号：CN110473142B

公开(公告)日：2022-09-27

申请号：CN201910431489.0

申请日：2019-05-22

Applicant: 南京理工大学

Inventor： 杜天文 ,  张毅锋 ,  束锋 ,  刘林 ,  桂林卿 ,  张一晋

IPC: G06T3/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的单幅图像超分辨率重建方法，针对网络架构，去除了残差模块的批归一化层，增加了紧密连接和作用于判别域的网络，针对损失函数，融合了多种不同损失函数。本发明节约了计算资源、增强了层与层之间的传播，使得生成的图像具有高频信息而不是高频噪声，提高了生成图片在不同数据集上的峰值信噪比、结构相似性以及视觉效果。