摘要
摘要
随着互联网和大数据的快速发展,大规模数据和信号的处理给网络通信和数
据传输带来了巨大的压力。压缩感知的出现提供了在低采样率下高质量恢复信号
的方法,很大程度上缓解了数据存储和传输时的压力。尤其是在图像领域,结合深
度学习的压缩感知图像重构模型凸显出巨大优势,在减少重构时间的同时也提高
了重构图像精度。但目前深度压缩感知图像重构网络模型仍面临一些挑战,如网络
模型泛化能力弱、细节恢复能力差及特征提取不充分等问
摘要
摘要
随着互联网和大数据的快速发展,大规模数据和信号的处理给网络通信和数
据传输带来了巨大的压力。压缩感知的出现提供了在低采样率下高质量恢复信号
的方法,很大程度上缓解了数据存储和传输时的压力。尤其是在图像领域,结合深
度学习的压缩感知图像重构模型凸显出巨大优势,在减少重构时间的同时也提高
了重构图像精度。但目前深度压缩感知图像重构网络模型仍面临一些挑战,如网络
模型泛化能力弱、细节恢复能力差及特征提取不充分等问
文档评论(0)