این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۱۱، شماره ۳، صفحات ۴۵-۵۹
عنوان فارسی ارائه یک شبکه مولد ترکیبی مبتنی بر توجه جهت افزایش وضوح تصاویر
چکیده فارسی مقاله بهبود کیفیت تصاویر در حوزه بینایی کامپیوتری به عنوان یکی از چالش‌های کلیدی مطرح شده است. در این مقاله، یک مدل جدید شبکه عصبی مولد متخاصم وضوح فوق‌العاده مبتنی بر توجه معرفی شده است که با ترکیب مدل‌های شبکه بهبود وضوح تصویر واقعی و شبکه توجه کانال‌محور رسوبی برای بهبود بازسازی تصاویر با وضوح بالا و کاهش اعوجاج‌ها و نویزهای پیچیده توسعه داده شده است. اعوجاج‌های تصویر شامل تحریفات هندسی، تاری و از بین رفتن جزئیات هستند که در تصاویر با وضوح پایین یا فشرده‌شده معمولاً مشاهده می‌شوند.در این مدل، قابلیت‌های شبکه بهبود وضوح تصویر واقعی برای کاهش نویز و افزایش وضوح به همراه توانایی شبکه توجه کانال‌محور رسوبی در حفظ جزئیات دقیق به کار گرفته شده‌اند. نتایج تجربی بر روی چند نمونه از مجموعه داده‌های شناخته‌شده در این حوزه نشان داده‌ است که مدل پیشنهادی بهبود عملکردی حدود 5 درصد به‌طور متوسط در معیار PIQEو ... را نسبت به روش‌های موجود مانند شبکه بهبود وضوح تصویر با تقویت توجه و شبکه بهبود وضوح تصویر واقعی در معیارهای شناخته‌شده بازسازی کور تصویر ارائه داده است. این بهبودها، مدل را قادر ساخته‌اند تا تصاویر را با وضوح بالا و حداقل اعوجاج و نویز بازسازی کند.
کلیدواژه‌های فارسی مقاله بهبود کیفیت تصاویر،شبکه‌های مولد متخاصم،مکانیزم توجه کانالی،بازسازی تصاویر با وضوح بالا،اعوجاج تصویر،شبکه های ترکیبی،شبکه های عصبی عمیق،
عنوان انگلیسی Presenting an attention-based hybrid generative network for image resolution enhancement
چکیده انگلیسی مقاله Improving the quality of images in the field of computer vision has been raised as one of the key
challenges. In this paper, a new attention-based super-resolution adversarial generative neural
network model is introduced, which is developed by combining real image resolution enhancement
network models and residual channel-based attention network to improve reconstruction of highresolution
images and reduce complex distortions and noises. Image distortions include geometric
distortions, blurring, and loss of detail commonly seen in low-resolution or compressed images. In
this model, the capabilities of the real-world image enhancement network to reduce noise and
enhance clarity along with the ability of the residual channel-oriented attention network to preserve
Fine details are used. Experimental results on several examples of well-known data sets in this field
have shown that the proposed model improves the performance by about 5% on average in PIQE
and . compared to existing methods such as attention enhancement network and real image
resolution enhancement network in well-known measures of blind image reconstruction. These
improvements have enabled the model to reconstruct images with high resolution and minimal
distortion and noise.
کلیدواژه‌های انگلیسی مقاله بهبود کیفیت تصاویر,شبکه‌های مولد متخاصم,مکانیزم توجه کانالی,بازسازی تصاویر با وضوح بالا,اعوجاج تصویر,شبکه های ترکیبی,شبکه های عصبی عمیق
نویسندگان مقاله محمد امین میرزایی |
دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز، دانشکده فنی و مهندسی،گروه مهندسی کامپیوتر، دانشگاه اراک

محمد حسین شکور |
گروه کامپیوتر/دانشکده فنی و مهندسی / دانشگاه اراک / شهر اراک/استان مرکزی/ایران

نشانی اینترنتی https://jmvip.sinaweb.net/article_217519_28be969f3939126c626d98f98551486a.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات