|
|
الگوریتم های یادگیری عمیق در فراتفکیک پذیری تصاویر
|
|
|
|
|
نویسنده
|
قادری بهار ,آزاد حمید
|
منبع
|
تحليل مدارها، داده ها و سامانه ها - 1402 - دوره : 1 - شماره : 1 - صفحه:47 -56
|
چکیده
|
فراتفکیک پذیری تصویر یکی از فرآیند های مهم پردازش تصویر جهت افزایش وضوح تصاویر و ویدئو ها می باشد. در سال های اخیر، روش های مبتنی بر شبکه های عصبی عمیق جهت فراتفکیک پذیری شاهد پیشرفت قابل توجهی بوده است. هدف این مقاله ارائه یک بررسی جامع در مورد پیشرفت های اخیر فراتفکیک پذیری تصویر با استفاده از رویکرد های یادگیری عمیق است. در این مقاله، ضمن معرفی مفاهیم فراتفکیک پذیری تصویر، به بررسی الگوریتم های رایج یادگیری عمیق جهت فراتفکیک پذیری، و کاربردهای فراتفکیک پذیری پرداخته شده است. علاوه بر این، مجموعه پایگاه های داده و معیارهای ارزیابی تشریح داده می شود. این مقاله می تواند راهگشای محققان پردازش تصویر در فرآیند فراتفکیک پذیری باشد. اهتمام نویسندگان بر این بوده است که همه جنبه های این فرآیند مورد کاوش قرار گیرد.
|
کلیدواژه
|
فراتفکیک پذیری، الگوریتم های یادگیری عمیق، تصویر با کیفیت، شبکه عصبی کانولوشن
|
آدرس
|
دانشگاه آزاد اسلامی واحد شیراز, گروه مهندسی برق, ایران, دانشگاه آزاد اسلامی واحد شیراز, گروه مهندسی برق, ایران
|
پست الکترونیکی
|
azad@shirazu.ac.ir
|
|
|
|
|
|
|
|
|
deep learning algorithms in super resolution images
|
|
|
Authors
|
ghaderi bahar ,azad hamid
|
Abstract
|
image super resolution is one of the important image processing processes to increase the resolution of images and videos. in recent years, methods based on deep neural networks for super resolution have seen significant progress. the aim of this paper is to provide a comprehensive review on recent developments in super resolution image using deep learning approaches. in this article, while introducing the concepts of image super resolution, the common deep learning algorithms for super resolution and the applications of super resolution have been investigated. in addition, the set of databases and evaluation criteria are described. this article can open the way for image processing researchers in the super resolution process. the authors’ effort has been to explore all aspects of this process.
|
Keywords
|
super-resolution (sr) ,deep learning algorithms ,high resolution (hr) image ,low resolution (lr) image ,convolutional neural network
|
|
|
|
|
|
|
|
|
|
|