感知损失函数相关论文
随着医学影像技术的不断发展,计算机断层扫描（X-CT）已经成为目前临床诊断使用最广泛的成像方式之一。影像采集时X射线产生的电离辐射......
在图像分类领域,对抗样本指对原图进行人眼不易察觉的改动后得到的、可让分类器产生错误分类结果的图像。现有的对抗样本生成算法......
近年来,文本到图像的生成任务在计算机视觉与自然语言领域一直是一个重要的研究热点,该任务的目的是将一句描述性语言文本作为输入......
基于物理的渲染技术被广泛运用于照片级真实图像的合成。通过提供合成的逼真图像,基于物理的渲染对相关领域产生了巨大的影响,比如......
随着神经网络体系结构和损失函数的深入研究,卷积神经网络模型在图像处理领域(低、高层图像处理任务)得到了越来越广泛的应用。但......
【目的】针对Mean squared error(MSE)作为损失函数在人眼感知方面存在局限性,以及基于卷积神经网络的图像超分辨率(Super-resolut......
图像修复在研究中仍然具有挑战性,现阶段的图像修复算法往往存在修复边缘模糊,修复区域与其周边区域存在明显不一致的问题。本文提......
目的基于生成式对抗网络的超分辨模型(SRGAN)以感知损失函数作为优化目标,有效解决了传统基于均方误差(MSE)的损失函数导致重建图......
利用深度学习进行超分辨重建已经获得了极大的成功,但是目前绝大多数网络结构依然存在训练以及重建速度较慢,一个模型仅能重建一个......
图像去噪是计算机视觉领域中的基本问题,其目的是为了排除信号中的噪声干扰。传统去噪方法一般是非凸的模型,这意味着使用者需要手......
为应对极端天气对码头集装箱图像处理的影响,提高图像算法的识别率,采用条件生成式对抗网络(CGAN)算法去除图像中的雨雪痕迹,将欧......
