OpenCV中文网站

 找回密码
 立即注册
搜索
热搜: 安装 配置
查看: 2755|回复: 3

想了解一下对运动模糊的图片如何实现清晰识别

[复制链接]
发表于 2017-3-7 14:51:40 | 显示全部楼层 |阅读模式
对一张运动模糊的图片(无法分辨人物特征)如何编程使其清晰化?
用到图像修复吗?
回复

使用道具 举报

发表于 2017-3-7 17:46:33 | 显示全部楼层
超分辨率重建,这个工作不是一般人能做的,做出来肯定能发大财
回复 支持 反对

使用道具 举报

发表于 2018-11-12 17:02:36 | 显示全部楼层
求编程代码。也是在做相关计算
回复 支持 反对

使用道具 举报

发表于 2018-11-12 21:03:35 | 显示全部楼层
看看这个

这可能是目前最好的图像超分辨率算法,刚刚开源了
52cv.net2018年8月29日0

(欢迎关注“我爱计算机视觉”公众号,一个有价值有深度的公众号~)
CVPR 2018 Workshop NTIRE2018图像超分辨率的优胜方案开源了!
该算法在NTIRE2018所有三个realistic赛道中全部获得第一名。
作者昨天在ArXiv上传技术报告公开了技术方案并开源了PyTorch代码。
论文名称《Wide Activation for Efficient and Accurate Image Super-Resolution》,
作者信息:

其建构于超分辨EDSR算法,亦即NTIRE2017年的冠军模型,最主要的改进是在残差模块中ReLU激活函数前增大特征图。
请看下面图示,

与原始EDSR算法相比,该优胜方案WDSR算法增大了ReLU前的卷积特征图,减小了identity mapping pathway的宽度(图中Add所在框变小)。
通过上述操作,在降低参数量的同时,提高了超分辨率的精度。
作者提出的两种WDSR的形式WDSR-A与WDSR-B:

WDSR-A特征图宽度(2X到4X),WDSR-B使用线性低秩卷积栈(linear low-rank convolution stack)和更宽的特征图(6X到9X),可以使得WDSR-B在保持更高精度的同时不增加计算量。

网络架构:


实验结果
在DIV2K数据库上与EDSR的比较:

NTIRE2018公布的比赛结果:

图中UIUC-IFP团队即优胜团队,PDN在Track 4中排名第一,但组织者称“PDN ranked 1st on Track 4, however, without submitted results for the other tracks we cannot tell if their solution/architecture is better than that of UIUC-IFP.”

代码主页:
https://github.com/JiahuiYu/wdsr_ntire2018
论文:
https://arxiv.org/abs/1808.08718v1

在“我爱计算机视觉”公众号对话界面回复WDSR,即可收到论文和代码的百度云下载地址。
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

手机版|OpenCV中文网站

GMT+8, 2024-5-22 21:15 , Processed in 0.013186 second(s), 15 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表