排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
基于深度学习的图像超分辨率重构方法对低分辨率人脸图像进行超分辨率重构时,通常存在重构图像模糊和重构图像与真实图像差异较大等问题.基于此问题,文中提出融合参考图像的人脸超分辨率重构方法,可以实现对低分辨率人脸图像的有效重构.参考图像特征提取子网提取参考图像的多尺度特征,保留人脸神态和重点部位的细节特征信息,去除人脸轮廓和面部表情等冗余信息.基于提取的参考图像多尺度特征,逐级超分主网络对低分辨率人脸图像特征进行逐次填充,最终重构生成高分辨率的人脸图像.在数据集上的实验表明,文中方法可以实现对低分辨率人脸图像的有效重构,具有良好的鲁棒性. 相似文献
3.
视频目标分割是计算机视觉领域中的一个研究热点,传统基于深度学习的视频目标分割方法在线微调深度网络,导致分割耗时长,难以满足实时的需求.本文提出一种快速的视频目标分割方法.首先,参数共享的孪生编码器子网将参考流和目标流映射到相同的特征空间,使得相同的目标具有相似的特征.然后,全局特征提取子网在特征空间中匹配给定目标相似的特征,定位目标对象.最后,解码器子网将目标特征还原,并通过连接目标流的低阶特征,提供边缘信息,最终输出目标的分割掩码.在公开基准数据集上的实验表明,本文方法的分割速度有大幅度提升,同时具有较好的分割效果. 相似文献
4.
基于深度学习的视频超分辨率重构方法常面临重构精度不高或重构时间过长的问题,难以实时获得高精度的重构结果.针对此问题,文中提出基于深度残差网络的视频超分辨率重构方法,可以快速地对视频进行高精度重构,并在较小分辨率视频的重构过程中达到实时重构的要求.自适应关键帧判别子网自适应地从视频帧中判别关键帧,关键帧经过高精度关键帧重构子网进行重构.对于非关键帧,将其特征与邻近关键帧间的运动估计特征和邻近关键帧的特征逐层融合,直接获得非关键帧的特征,从而快速获得非关键帧的重构结果.在公开数据集上的实验表明,文中方法能实现对视频的快速、高精度重构,鲁棒性较好. 相似文献
5.
随着我国经济的发展,市场经济体制的变革,人事制度的改革进程也逐渐的加快,尤其在事业单位中,对人事工作的重视更甚。伴随着人事制度改革的进一步开展,原有的人事档案管理工作受到新一轮的挑战,期间暴露出的问题更不容忽视。本文就人事档案管理中遇到的问题作出分析,认识人事档案管理工作的重要性,并结合相关的实践工作经验,提出一些关于人事档案管理工作建设的意见供大家商榷。 相似文献
6.
1