Current Location:home > Browse

1. chinaXiv:202009.00063 [pdf]

基于深度残差反投影注意力网络的图像超分辨率

胡高鹏; 陈子鎏; 王晓明; 张开放; 黄增喜; 杜亚军
Subjects: Computer Science >> Integration Theory of Computer Science

针对多数单帧图像超分辨率(single image super-resolution,SISR)重建方法存在的特征信息发掘不充分、特征图各通道之间的相互依赖关系难以确定以及重建高分辨率(high resolution,HR)图像时存在重构误差等问题,提出了基于深度残差反投影注意力网络的图像超分辨率(SR)算法。即利用残差学习的思想缓解训练难度和充分发掘图像的特征信息,并使用反投影学习机制学习高低分辨图像之间的相互依赖关系,此外引入了注意力机制动态分配各特征图以不同的注意力资源从而发掘更多的高频信息和学习特征图各通道之间的依赖关系。实验结果表明了所提方法相比于多数单帧图像超分辨率方法,不仅在客观指标方面得到了显著的提升,而且重建的预测图像也具有更加丰富的纹理信息。

submitted time 2020-09-28 From cooperative journals:《计算机应用研究》 Hits1296Downloads180 Comment 0

2. chinaXiv:202009.00094 [pdf]

基于数据内在结构特征的度量学习

张开放; 郎贵林; 王晓明; 黄增喜; 杜亚军
Subjects: Computer Science >> Integration Theory of Computer Science

半正定约束度量学习(PCML),作为一种结合了支持向量机(SVM)的典型度量学习方法,在图像识别和行人重识别领域展现了优越的性能。然而,在每次学习度量矩阵的过程中,该方法只简单的考虑不同类别样本之间的最大间隔,忽略了同一类别间的样本特征空间也在发生变化。基于此,提出了一种基于数据内在结构特征的度量学习方法。首先,与PCML相比,提出的方法不仅考虑了不同类别样本之间的间隔,而且考虑了相同类别样本间的类内散度矩阵,使学习到的度量矩阵有更强的鉴别能力。其次,进一步将L1-norm损失函数转换为L2-norm损失函数,这样可以进一步提高模型的泛化性能。最终,在多个数据集上的实验结果表明,多数情况下提出的方法相比于其他度量学习方法取得了更优异的性能。

submitted time 2020-09-28 From cooperative journals:《计算机应用研究》 Hits64Downloads38 Comment 0

  [1 Pages/ 2 Totals]