新建
上传
首页
助手
最?/div>
资料?/div>
工具

关键点重建算法在人脸超分辨率重建中的应用

 

 

 

 

 

 

?/p>

 

?/p>

 

 

 

 

 

文中主要对基于关键点的人脸图像逐点超分辨率重建

算法进行研究。在该算法中,对人脸中局部部位的细节进行

重建,通过在算法中对人脸关键点附近区域中的超分辨映?/p>

函数的分别训练,实现了对人脸超分的逐层迭代重建。实?/p>

结果表示,利用该方法可以有效减少目标图像重建中的?/p>

度?/p>

 

 

 

 

【关键词】分层网?/p>

 

关键?/p>

 

自编?/p>

 

 

 

 

1 

引言

 

 

 

 

面向人脸图像的超分辨率技术已经在多个领域广泛?/p>

用,如身份认证、网络化监控等应用更加深入和广泛。在?/p>

文中,主要采用基于线性与非线性的学习方法,对上述的超

分映射函数进行学习。这其中,基于线性方法中选择采用?/p>

成分分析;而非线性方法在学习中则主要采用自编码网络,

所有的方法均可以对人脸图像的局部区域进行训练超分映

射函数的处理与学习。这其中,所提到的自编码网络学习?/p>

法,是神经网络学习领域中进行深度学习的主要理论基础?/p>

而在图像的超分辨率重构过程中,则主要采用双线性插值的

方式来进行初始化处理;接着,将样本学习过程中所获得?

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

关键点重建算法在人脸超分辨率重建中的应用

 

 

 

 

 

 

?/p>

 

?/p>

 

 

 

 

 

文中主要对基于关键点的人脸图像逐点超分辨率重建

算法进行研究。在该算法中,对人脸中局部部位的细节进行

重建,通过在算法中对人脸关键点附近区域中的超分辨映?/p>

函数的分别训练,实现了对人脸超分的逐层迭代重建。实?/p>

结果表示,利用该方法可以有效减少目标图像重建中的?/p>

度?/p>

 

 

 

 

【关键词】分层网?/p>

 

关键?/p>

 

自编?/p>

 

 

 

 

1 

引言

 

 

 

 

面向人脸图像的超分辨率技术已经在多个领域广泛?/p>

用,如身份认证、网络化监控等应用更加深入和广泛。在?/p>

文中,主要采用基于线性与非线性的学习方法,对上述的超

分映射函数进行学习。这其中,基于线性方法中选择采用?/p>

成分分析;而非线性方法在学习中则主要采用自编码网络,

所有的方法均可以对人脸图像的局部区域进行训练超分映

射函数的处理与学习。这其中,所提到的自编码网络学习?/p>

法,是神经网络学习领域中进行深度学习的主要理论基础?/p>

而在图像的超分辨率重构过程中,则主要采用双线性插值的

方式来进行初始化处理;接着,将样本学习过程中所获得?

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

关键点重建算法在人脸超分辨率重建中的应用

 

 

 

 

 

 

?/p>

 

?/p>

 

 

 

 

 

文中主要对基于关键点的人脸图像逐点超分辨率重建

算法进行研究。在该算法中,对人脸中局部部位的细节进行

重建,通过在算法中对人脸关键点附近区域中的超分辨映?/p>

函数的分别训练,实现了对人脸超分的逐层迭代重建。实?/p>

结果表示,利用该方法可以有效减少目标图像重建中的?/p>

度?/p>

 

 

 

 

【关键词】分层网?/p>

 

关键?/p>

 

自编?/p>

 

 

 

 

1 

引言

 

 

 

 

面向人脸图像的超分辨率技术已经在多个领域广泛?/p>

用,如身份认证、网络化监控等应用更加深入和广泛。在?/p>

文中,主要采用基于线性与非线性的学习方法,对上述的超

分映射函数进行学习。这其中,基于线性方法中选择采用?/p>

成分分析;而非线性方法在学习中则主要采用自编码网络,

所有的方法均可以对人脸图像的局部区域进行训练超分映

射函数的处理与学习。这其中,所提到的自编码网络学习?/p>

法,是神经网络学习领域中进行深度学习的主要理论基础?/p>

而在图像的超分辨率重构过程中,则主要采用双线性插值的

方式来进行初始化处理;接着,将样本学习过程中所获得?

Ͼλ">
Ͼλ
Ŀ

关键点重建算法在人脸超分辨率重建中的应用 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

关键点重建算法在人脸超分辨率重建中的应用

 

 

 

 

 

 

?/p>

 

?/p>

 

 

 

 

 

文中主要对基于关键点的人脸图像逐点超分辨率重建

算法进行研究。在该算法中,对人脸中局部部位的细节进行

重建,通过在算法中对人脸关键点附近区域中的超分辨映?/p>

函数的分别训练,实现了对人脸超分的逐层迭代重建。实?/p>

结果表示,利用该方法可以有效减少目标图像重建中的?/p>

度?/p>

 

 

 

 

【关键词】分层网?/p>

 

关键?/p>

 

自编?/p>

 

 

 

 

1 

引言

 

 

 

 

面向人脸图像的超分辨率技术已经在多个领域广泛?/p>

用,如身份认证、网络化监控等应用更加深入和广泛。在?/p>

文中,主要采用基于线性与非线性的学习方法,对上述的超

分映射函数进行学习。这其中,基于线性方法中选择采用?/p>

成分分析;而非线性方法在学习中则主要采用自编码网络,

所有的方法均可以对人脸图像的局部区域进行训练超分映

射函数的处理与学习。这其中,所提到的自编码网络学习?/p>

法,是神经网络学习领域中进行深度学习的主要理论基础?/p>

而在图像的超分辨率重构过程中,则主要采用双线性插值的

方式来进行初始化处理;接着,将样本学习过程中所获得?



ļ׺.doc޸Ϊ.docĶ

  • 2019Ʒ塷ϰ1
  • ʡѧ2019-2020ѧһѧڵһѧ(°)
  • Msoffice ִ(ⲽ)
  • 2016-2022йԭгӪ̬о - ͼ
  • ҵԷչ취У
  • ˾ҵĻѧϰĵ(һ)
  • Ƭ΢ͼӿڼ˼ϰ01
  • йαƿҵбĿ¼
  • ȫѧ05374ҵ200610-201310

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)