随着深度学习在图像复原领域的不断发展与应用,尤其在图像去噪和图像超分辨领域,卷积神经网络通过深度架构获得了显著的图像处理性能。然而,卷积神经网络在恢复复杂场景下受损图像的鲁棒性常遭受挑战。同时,手机、相机等移动终端对模型的大小提出了要求。
在本次分享中,我们邀请到了西北工业大学软件学院副教授田春伟,针对上述两个显著问题为我们介绍他们最新的3篇工作:
Multi-stage image denoising with the wavelet transform (Pattern Recognition 2022)
Image Super-resolution with An Enhanced Group Convolutional Neural Network (Neural Networks 2022 )
A heterogeneous group CNN for image super-resolution (IEEE TNNLS 2022)
这些方法主要将信号处理、判别学习、残差学习、动态卷积和组卷积等结合,设计高效卷积神经网络,解决图像去噪、图像超分辨问题。
西北工业大学田春伟教授:基于结构信息的图像复原方法研究
➤论文
1.Multi-stage image denoising with the wavelet transform (Pattern Recognition 2022)
论文链接:https://arxiv.org/abs/2209.12394
代码地址:https://github.com/hellloxiaotian/MWDCNN
2.Image Super-resolution with An Enhanced Group Convolutional Neural Network (Neural Networks 2022 )
论文链接:https://arxiv.org/abs/2205.14548
代码地址:https://github.com/hellloxiaotian/ESRGCNN
3.A heterogeneous group CNN for image super-resolution (IEEE TNNLS 2022)
论文链接:https://arxiv.org/abs/2209.12406
代码地址:https://github.com/hellloxiaotian/HGSRCNN
➤回放视频在这里☟
https://www.bilibili.com/video/BV15g411h7fh/
➤PPT内容截图
(后台回复“
极市直播
”或点击
阅读原文
即可获取PPT)
B站:
http://space.bilibili.com/85300886#!/
腾讯视频:
http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c
往期线上分享集锦:http://m6z.cn/6qIJzE(或直接阅读原文)
如果觉得有用,就请分享到朋友圈吧!
推荐阅读
备注:姓名-学校/公司-研究方向-城市(如:小极-北大-目标检测-深圳)
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~
觉得有用麻烦给个在看啦~