最近在研究文字图像的超分辨率,下载了几篇论文,准备略读一下,每篇文章写个笔记做记录。

主要贡献:

A non-training text image super-resolution generating network TextSRDIP is proposed. By using the DIP network model, a new loss function is designed to highlight the high- frequency details of the image, aiming at paying more attention to the edge details of the image in the super- resolution reconstruction of the text image.After testing, the average reconstruction PSNR of the network for text image super resolution is 27.95db, and the optical character recognition accuracy is 73.3%, which is 4.45db and 12.66% higher than the traditional bicubic interpolation algorithm. Compared with the learning - based ASRS algorithm, it improves by 0.97dB and 2.05%, respectively.

提出了一种非训练文本图像超分辨率生成网络TextSRDIP,利用DIP网络模型,设计了一种新的损失函数来突出图像的高频细节,从而更加关注图像的边缘细节。经测试,该网络用于文本图像超分辨率的平均重建PSNR为27.95db,光学字符识别精度为73.3%,比传统的双三次插值算法高4.45db和12.66%。与基于学习的ASRS算法相比,它分别提高了0.97dB和2.05%。

PROPOSED METHOD

DIP generated Network model 不知道是什么,没了解过
引用的下面这篇

【文字超分辨率】A Text Image Super-Resolution Generation Network without Pre-training 阅读笔记相关推荐

  1. 【CVPR2020视频超分辨率】Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution 阅读笔记

    paper:Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution code:Zooming-Sl ...

  2. 【Super Resolution】超分辨率——SRCNN

    SRCNN 01 闲聊--图像的超分辨率 02 SRCNN--超分和DL的结合 02-1 双三次插值 02-2 SRCNN的网络结构 02-3 Training 训练阶段 03 EXPERIMENTS ...

  3. 谷歌像素递归超分辨率研究:怎么消灭低分辨率图像马赛克?

    最近,谷歌发布了一种把低分辨率图像复原为高分辨率图像的方法,参见机器之心文章<>.与最先进的方法相比,这篇论文提出了一种端到端的框架来完成超分辨率任务.它由两个卷积神经网络组成,一个是描述 ...

  4. 超分辨率分析(一)--传统方案综述

    转自:https://www.cnblogs.com/wxl845235800/p/9292972.html 图像超分辨率率(super resolution,SR)是指由一幅低分辨率图像(low r ...

  5. 学习笔记之——基于深度学习的图像超分辨率重建

    最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...

  6. 微信团队分享:视频图像的超分辨率技术原理和应用场景

    为什么80%的码农都做不了架构师?>>>    本文来自微信多媒体团队高欣玮的技术分享. 1.前言 图像和视频通常包含着大量的视觉信息,且视觉信息本身具有直观高效的描述能力,所以随着 ...

  7. 超分辨率重建基础知识总结

    超分辨率重建基础知识总结 1.为什么使用超分辨率重建? 2.经典图像插值算法有哪些,局限在哪里? 3.进行超分辨率重建的方式有哪些? 4.超分辨率重建技术与图像复原技术区别与联系? 5.SR常用的评价 ...

  8. 基于深度学习的图像超分辨率重建

    最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...

  9. 使用TensorFlow、Keras和深度学习实现像素无序超分辨率

    使用TensorFlow.Keras和深度学习实现像素无序超分辨率> pixel shuffle Super Resolution 像素无序/洗牌超分辨率 Deep Learning Super ...

最新文章

  1. win mysql修改端口号_Windows10系统下查看mysql的端口号并修改的教程图解
  2. 上周回顾:微软与苹果比赛谁更“不安全”
  3. 线性表—单向循环链表
  4. switch()中不允许的数据类型有?
  5. mongodb distinct too large用 group
  6. java xml解析_XML的理解以及SAX解析流程
  7. Flowable学习笔记(二、BPMN 2.0-基础 )
  8. 什么电脑的牌子好用_扬州诚招电动牙刷代理有什么牌子比较好用
  9. 【Flink】Flink 如何在本地IDEA恢复检查点 不通过IDEA 不通过 flink run 方法
  10. 北京网信金服PHP薪资_2020互联网大厂薪资曝光:程序员薪资将会变成白菜价?...
  11. opensuse 安装 Anaconda3 之后出现Could not start d-bus. Can you call qdbus?
  12. Kubernetes持久化方案(PV、PVC、StorageClass)
  13. 同济大学数学系高等数学第6版笔记和课后答案
  14. android 录音机添加书签,带录音的书签的制作方法
  15. 内存超频trfc_就是这么的简单,微星主板内存超频分享
  16. 数据科学家面试常见的77个问题
  17. 只知道wxid怎么添加好友
  18. SVA16.14并发断言翻译笔记$inferred_clock和$inferred_disable(六)
  19. 郑州财经学院第54次全国计算机,郑州财经学院第二期教师博士班开班
  20. Uboot启动分析--start.S启动分析(1)

热门文章

  1. Windows Server CA证书颁发机构续订
  2. 【差分约束系统】【强连通分量缩点】【拓扑排序】【DAG最短路】CDOJ1638 红藕香残玉簟秋,轻解罗裳,独上兰舟。...
  3. 如何通过OPENROWSET函数向SQL Server导入带工作组(mdw)保护的Access数据库数据(转)...
  4. EfficientNetV2 Smaller Models and Faster Training
  5. 谷歌SEO优化八步走
  6. hiho 挑战赛16 A.王胖浩与三角形
  7. 【图像加密】正交拉丁方置乱+混沌图像加密解密【含GUI Matlab源码 636期】
  8. 计算机网络习题:网络层部分
  9. SD-Host FIFO模块
  10. 建行找不到服务器或DNS错误,企业网上银行常见问题解答