Warum sollte die Superauflösung mit Deep Learning die alten Schultechniken übertreffen??

1. Was ist superauflösend tiefes Lernen?
2. Was ist der Zweck der Superauflösung?
3. Welche Technologie ermöglicht die Aufrüstung der Auflösung mit Deep -Lern -Algorithmen?
4. Wo wird eine Superauflösung verwendet??

Was ist superauflösend tiefes Lernen?

Abstract-Single Image Super-Lesolution (SISR) ist ein notorisch herausfordernder schlechtes Problem, das darauf abzielt, eine hohe Auflösung (HR) aus einer seiner Versionen mit niedriger Auflösung (LR-Auflösung) zu erhalten. In jüngster Zeit wurden leistungsstarke Deep-Learning-Algorithmen auf SISR angewendet und haben eine hochmoderne Leistung erzielt.

Was ist der Zweck der Superauflösung?

Das zentrale Ziel der Superauflösung (SR) ist es, ein Bild mit höherer Auflösung aus Bildern mit niedrigerer Auflösung zu erzeugen. Hochauflösendes Bild bietet eine hohe Pixeldichte und damit weitere Details über die Originalszene.

Welche Technologie ermöglicht die Aufrüstung der Auflösung mit Deep -Lern -Algorithmen?

Gans für die Superauflösung

Das meiste Modell mit tiefen Lernbasis wird unter Verwendung generativer kontroverse Netzwerke (GANS) trainiert.

Wo wird eine Superauflösung verwendet??

Die Bild-Superauflösung bezieht sich auf die Aufgabe, die Auflösung eines Bildes von niedriger Auflösung (LR) auf Hoch (HR) zu verbessern. Es wird in den folgenden Anwendungen im Volksmund verwendet: Überwachung: Erkennung und Durchführung der Gesichtserkennung auf Bildern mit geringer Auflösung von Überwachungskameras.