超实用性！哈工大提出ACNet：用于超分辨的非对称卷积神经网络

相关推荐

• 综述 | 图像去噪方法比较

  作者:CV君  来自:我爱计算机视觉 图像去噪是计算机视觉领域的传统方向,对于可见光图像.视频.核磁图像等的处理仍应用广泛,在工业和学术界引起很多人的关注,基于BM3D(block-matching ...

• 基于声学超材料的低频声吸收体研究

  噪声污染已然成为当今世界最为严重的环境问题之一,其严重影响了人们的正常工作与休息,亦于无形中对人们的身体健康造成了伤害.为此,人们做了很多努力来减小或消除噪声的不利影响.然而由于低频噪声的波长非常长, ...

• 磁共振参数卡简介八之Sequence-Part2

  在上一章中我们讲解了Sequence序列参数卡中第一部分的参数,在该参数卡中将扫描序列使用的维度.对比数.采样带宽等参数进行了规定.在Part2参数卡中将对序列参数卡中其他参数进行完善,包括使用的射频 ...

• 一个顶五个，稀少三年八背版，其实很好分辨

  一个顶五个，稀少三年八背版，其实很好分辨

• IEEE TMM 2020：细化超分辨网络，解决上采样引起的振荡

  本文介绍IEEE TMM 2020 论文:用于解决上采样引起振荡的细化超分辨网络(Coarse-to-Fine CNN for Image Super-resolution),代码已开源. 作者:田春 ...

• 【AI产品】你我当年的老照片，如今修复了可还行？

  欢迎来到<AI产品>专栏,这一个专栏是面向所有对人工智能技术感兴趣的朋友.在这个专栏里,我们会给大家推荐好玩的AI产品,剖析背后的关键技术,并推荐相关学习资料. 今天要推荐的这款产品是你我 ...

• python+opencv图像处理（二十四）

  多图像平均法 对于同一个场景拍摄的多张图像,一般情况下是相同的,但是在实际获取和传输图像的过程往往会发生图像失真,所得到图像和原始图像有某种程度的差别.这些都是因为有外界的噪声加入到图像中,因此在对采 ...

• 深度学习图像超分辨率最新综述：从模型到应用

  今日arXiv新上论文<Deep Learning for Image Super-resolution:A Survey>,详细回顾了近年来基于深度学习的图像超分辨率(Super-res ...

• Neuroimage：fMRI ICA噪声成分的手工分类

  空间独立成分分析(ICA)已被证明是将fMRI数据盲源分离为3D空间脑图和1D时间进程的有力工具.在单个被试水平上,ICA越来越多地被用于伪迹去除,因为它能够将神经相关信号从不同的噪声源中分离出来. ...

• 华科PAMI黑科技，方向任意目标检测新算法

  在目标检测中,常用的目标包围框是水平矩形包围框,这对于一些目标方向不定的场景,并不能很好的进行检测. 典型的场景比如遥感图像中的目标检测,船只.飞机.大型建筑物等目标的方向不保证总是平行于图像 x 轴 ...

• 哈工大等提出轻量级盲超分辨模型LESRCNN，代码已开源

  近年来图像超分辨率(super-resolution ,SR)已经获得长足发展,但计算量大仍阻碍相关研究进入产品,来自哈工大等单位的学者提出一种轻量级SR 模型,在取得了state-of-the-ar ...

• 【完结】16篇图像分类干货文章总结，从理论到实践全流程大盘点！

  专栏<图像分类>正式完结啦!我们从数据集展开讲解,由最基本的多类别图像分类一步步深入到细粒度图像分类.多标签图像分类,再到更加有难度的无监督图像分类,随后我们又对图像分类中面临的各种问题展 ...

• 使用计算机视觉来做异常检测

  作者:Mia Morton 编译:ronghuaiyang 导读 创建异常检测模型,实现生产线上异常检测过程的自动化.在选择数据集来训练和测试模型之后,我们能够成功地检测出86%到90%的异常. 介绍 ...

• 哈工大与北大提出注意力引导的图像去噪

  哈尔滨工业大学与北京大学的研究人员在神经网络Top期刊NeuralNetworks上2020年联合发表<Attention-guided CNN for image denoising>, ...