| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 | 31 |
- RESNET
- DFS
- residuallearning
- pixelshuffle
- residualnetwork
- AStar
- 지도학습
- EDSR
- 합성곱
- convolution
- PYTHON
- 비지도학습
- 준지도학습
- Increasing Triplet Subsequence
- 신경망
- SRCNN
- BFS
- 증가하는부분수열
- sr
- 딥러닝
- 8puzzle
- superresolution
- MDSR
- NeuralNetwork
- deeplearning
- CNN
- 동적계획법
- a*
- leetcode
- Today
- Total
목록sr (2)
이것저것 코딩하는 블로그
[Computer Vision] EDSR review
본 포스팅은 Lim, B., Son, S., Kim, H., Nah, S., & Mu Lee, K. 의 Enhanced deep residual networks for single image super-resolution 을 리뷰한 논문이다. 모든 그림과 설명은 논문을 참고했다. 원문 링크: openaccess.thecvf.com/content_cvpr_2017_workshops/w12/html/Lim_Enhanced_Deep_Residual_CVPR_2017_paper.html CVPR 2017 Open Access Repository Bee Lim, Sanghyun Son, Heewon Kim, Seungjun Nah, Kyoung Mu Lee; Proceedings of the IEEE Confer..
[Computer Vision] SRCNN - Super-Resolution CNN
1. SRCNN[1] 앞서 살펴본 CNN에 대한 설명은 image classification 위주로 되어 있다. 그렇다면 CNN을 우리의 목적인 super-resolution (SR) 에 어떻게 적용할 수 있을까? 이를 다룬 논문인 SRCNN을 리뷰하며 그 방법을 알아보고자 한다. Super-resolution이란 low resolution (저해상도, LR) 이미지를 high resolution (고해상도, HR) 이미지로 변환하거나 화질을 개선시키는 기술이다. 주로 지도 학습으로 이루어지며, low resolution과 ground-truth (GT) 이미지를 모델에게 제공한 후, 모델은 HR 결과와 GT 결과의 차이가 적어지도록 학습된다. SRCNN의 SR 과정을 논문에 주어진 단계에 따라 살펴보자..