低分辨率
低分辨率的相关文献在1984年到2023年内共计654篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文235篇、会议论文5篇、专利文献90889篇;相关期刊162种,包括光学仪器、世界广播电视、数字世界等;
相关会议5种,包括第二届全国图象图形联合学术会议、2013中华医学会医学工程学分会第十四次学术年会、2010年全国声学学术会议等;低分辨率的相关文献由1248位作者贡献,包括克里斯蒂娜·戈米拉、卓力、孙旭等。
低分辨率—发文量
专利文献>
论文:90889篇
占比:99.74%
总计:91129篇
低分辨率
-研究学者
- 克里斯蒂娜·戈米拉
- 卓力
- 孙旭
- 朱虹
- 李晓光
- 张彦铎
- 戴琼海
- 江灏
- 缪希仁
- 薛杉
- 陈静
- 黄华
- A·布夏尔
- H.贾瓦赫里安
- I.哈斯卡拉
- O.H.达奇
- S·特佛尔
- 万永静
- 于力
- 任小龙
- 余宁梅
- 刘旭国
- 卢涛
- 尹澎
- 尼古拉斯·比尔丹
- 帕特里克·洛佩兹
- 张一凡
- 徐其志
- 徐红兵
- 李晓林
- 杨威
- 潘兰兰
- 热罗姆·维耶龙
- 爱德华·弗朗索瓦
- 玛丽·L·科默
- 管英杰
- 纪尧姆·布瓦松
- 胡瑞敏
- 苏光大
- 苏叶平
- 苏野平
- 荆晓远
- 许灵均
- 赵俊先
- 邹见效
- 郑伟诗
- 金在勋
- 陈军
- 马祥
- 齐春
-
-
胡正平;
潘佩云;
崔紫微;
赵梦瑶;
毕帅
-
-
摘要:
针对由于人脸姿势、光照不均、拍摄环境、拍摄设备等内外部因素造成图像分辨率低的问题,提出融合注意力机制的高分辨人脸识别图像重建模型。首先以低分辨率人脸图像对作为两个生成器输入,通过残差块和注意力模块堆叠网络提取人脸特征信息,进而生成高分辨率人脸图像。训练中使用一个鉴别器来监督两个生成器的训练过程。利用Adam算法对鉴别器、生成器以及对抗损失函数进行迭代优化来提升网络模型性能。模型在CASIA-WebFace数据集上进行训练,在CASIA-WebFace、CelebA、LFW数据集上进行测试。实验表明,注意力模块可有效弥补浅层卷积神经网络提取特征时因偏向局部关系建模而缺乏对全局信息学习的不足,能学习利于重建高分辨率图像的特征信息。本模型重建人脸有较好的视觉效果,并且具有保留人脸身份信息的特性。
-
-
Tamas Daranyi
-
-
摘要:
各行各业的数字化转型和日常生活中的新场景已经对边缘上的人工智能(AI)和机器学习、先进数据处理、音频、视觉等产生了需求。边缘机器学习(ML)计算支持广泛的、智能化的工业和家庭应用,包括用于异常检测的传感器数据处理、预测性维护、用于改进玻璃破碎检测的音频模式识别、简单命令词识别以及视觉应用,如使用低分辨率摄像头进行在场检测或人数统计。现在的产品设计人员已看到了人工智能和机器学习的巨大潜力,可以为家庭安全系统、可穿戴医疗监测器、商业设施和工业设备监控传感器等边缘应用带来更多的智能化。所以Silicon Labs认为边缘AI和机器学习将被广泛应用于工业和家庭。
-
-
陈平
-
-
摘要:
目的针对低分辨率图像不清晰、质量低等问题,提出一种新的特征融合超分辨率重构网络。方法所提网络包括特征提取、特征融合、图像重构3个部分。首先,网络通过卷积和局部残差学习,提取到不同层次的特征。之后,网络自适应地保存浅层的信息,并将其传递到更深的层次,最后通过拼接层进行特征融合。结果通过非线性映射实现高分辨率图像的重建。结论实验结果表明,该方法能明显提高低分辨率图像的质量。
-
-
〔日本〕07BEACH;
麦子(编译)
-
-
摘要:
这座名为“Kaishin No Ichigeki”的餐厅位于日本冲绳。它的名称源于日本早期的一款电子游戏,为的是能轻易地将人们拉入怀旧的氛围中。而设计灵感也正是来自那个时期的游戏视频。设计师刻意放大了低分辨率画质这一特征,并进行抽象提取,最终形成一间“像素餐厅”。
-
-
林敏强
-
-
摘要:
目前高分辨率人体姿态估计已经非常准确,但是低分辨率人体姿态估计效果并不理想,主要原因是低分辨率时模型性能严重下降,而偏移学习是解决模型性能下降的一种有效方法。实验表明,本文提出的基于偏移学习的低分辨率人体姿态估计算法量化误差小,准确率高。
-
-
靳佳晖;
张景异
-
-
摘要:
随着人脸表情生成模型在影视娱乐、人机交互、医疗手术模拟等领域的应用越来越广泛,对生成连续的面部表情有着迫切需求.为解决当前ExprGAN生成模型存在低分辨率和图像不真实的问题,对该模型进行改进.使用深度卷积网络能够提升GAN生成高分辨率的图片,把注意力机制Attention引入了GAN,利用全局信息,产生更加合理和完整的图片.并与当前先进的AC-GAN模型进行了比较,Inception score提高了2.9,图片质量得到了提高.
-
-
赵一粟
-
-
摘要:
传统纹理图像增强方法存在轮廓模糊问题,导致增强效果较差.针对这些不足,提出基于局部多特征的低分辨率图像纹理增强技术.使用仿射变换方法查看近似平面单应性变化,结合RANSAC算法,匹配低分辨率图像纹理局部多特征点.提取低分辨率图像低频和高频信息,采用插值算法逐点划分低分辨率图像,得到像素点块.从中寻找匹配后最佳匹配块,采用高斯函数抑制重叠区域影像,将所有高频信息块拼接,得到低分辨率图像.将加窗及合成图像矩阵转换成同等大小隶属度矩阵,利用拉伸变化趋势强化轮廓,由此完成图像纹理增强.由实验结果可知,该技术在UMD数据集、UIUC数据集和Brodatz数据集下增强效果较好,能够得到准确完整的图像,有效恢复图像纹理细节.
-
-
范文豪;
吴晓富;
张索非
-
-
摘要:
人脸识别(face recognition,FR)是计算机视觉领域中研究最广泛的问题之一,随着深度学习的发展使得一般条件下的人脸识别取得了巨大的进展并已大量商用.现有的FR系统已经在某些约束环境下实现了令人满意的识别精度.然而,低分辨率条件下的人脸识别(low-resolution face recognition,LRFR)目前仍然是一个极具挑战性的问题.在低分辨率人脸识别中,人脸图像通常是在非理想条件下捕获的,现有的人脸识别方法识别效果并不理想.为了提高识别精度,面向低分辨率人脸识别,基于CentreFace算法的损失函数进一步提出一种模损失函数用于联合训练.研究表明:该模损失函数可以在保持特征类内距离的情况下,增大类间距离,提高模型的泛化能力.最终在QMUL-SurvFace数据集上进行的4组分析对比实验表明:基于模约束的CentreFace算法识别精度优于CentreFace算法.
-
-
毛雅棋;
朴燕;
孟竹;
崔炜
-
-
摘要:
针对真实场景下采集的人脸图像受环境、设备影响导致分辨率低且图像识别率较低的问题,应用深度学习技术,提出一种基于卷积神经网络(CNN)和主成分分析(PCA)的低分辨率人脸识别算法.首先利用图像超分辨率重构将低分辨率图像重建为高分辨率图像;其次利用CNN提取重建后人脸图像特征,对损失函数进行优化;再利用PCA对特征进行降维,得到更优的分类特征;最后利用支持向量机(SVM)、向量间距离等算法筛选出最优人脸分类并计算准确率.实验表明,该算法在LFW和FERET上均取得更好的识别效果,当人脸图像分辨率下降到8×8时,准确率仍能到达94.5%,优于其他算法并且降低了运算时间.
-
-
侯谕融;
狄岚;
梁久祯
-
-
摘要:
为提高低分辨率人脸图像的识别性能,提出一种基于高斯图像金字塔特征融合的低分辨率人脸识别方法.首先,通过多尺度分析技术建立低分辨率人脸高斯金字塔;针对金字塔各层人脸图像特点,使用恰当的特征提取方法获取各层图像的特征谱,其中底层图像进行局部二值模式计算,并将统计直方图序列作为该层的人脸特征谱;中间层使用适当的Gabor滤波器进行卷积,提取的Gabor特征谱作为中间层的人脸特征谱;采用方向梯度直方图对顶层提取人脸边缘细节特征谱;最后,对高斯金字塔的每层特征谱进行连接处理,并作为整个人脸图像的特征向量放入3种分类模型(KNN,SVM和RF)中进行分类识别,结合各分类模型对低分辨率人脸图像的优势,计算权值对各结果进行加权投票融合,得到最终分类结果.实验结果显示,本文算法在ORL和YALE等人脸库上取得良好识别效果,在23×28像素的人脸图像上获得93.5%的识别率,并对光照、表情、姿态变化等具备一定的鲁棒性.
-
-
李月龙;
张大坤;
闵卫东
- 《第二届全国图象图形联合学术会议》
| 2013年
-
摘要:
本文提出了一种基于低分辨率的高分辨人脸图像的重构策略.在训练高分辨率人脸图像的基础上,进行低分辨率和高分辨率之间的差别信息补偿,建立了一个人脸描述词典.通过引入低分辨率人脸图像字典实现人脸重建,字典通过直接从高分辨率学习字典中取样获得.通过(e)1优化算法获得基于低分辨率字典的低分辨率输入图像的表示系数向量后,该系数可以被移植入高分辨率字典,用于直接重建输入图像对应的高分辨率图像.该算法适用于扩展的Yale人脸库.
-
-
-
施金前;
郑力新
- 《中国自动化学会华东地区第十九届学术年会》
| 2006年
-
摘要:
针对虚拟实验室系统中低分辨率光电测速机构的实际条件,在不增加成本的情况下,介绍一种改良的PID算法来实现对电机调速系统的稳定控制.此PID控制算法对于检测机构分辨率较低但要求精确度不高,成本低的简单控制系统具有普遍的适用性.
-
-
-
-
-