《表1 实验环境参数：基于残差通道注意力网络的医学图像超分辨率重建方法》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《基于残差通道注意力网络的医学图像超分辨率重建方法》
选取了两种传统的超分辨率方法和六种具有代表性的基于深度学习的方法作为对照，选取的传统方法是双线性插值法（Bilinear）与双三次插值法（Bicubic），选取的基于深度学习的方法为SRCNN[15]、ESPCN[17]、FSRCNN[18]、SRResNet[20]、VDSR[16]与EDSR[21]。为保证对比的公正性，在相同的硬件环境下使用部分作者开源的代码对对照实验进行了复现，对照方法的网络参数设置均为最优，实验的硬件环境参数如表1所示。
| 图表编号 | XD00133388800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.25 |
| 作者 | 刘可文、马圆、熊红霞、严泽军、周志军、刘朝阳、房攀攀、李小军、陈亚雷 |
| 绘制单位 | 武汉理工大学信息工程学院、武汉理工大学宽带无线通信和传感器网络湖北省重点实验室、武汉理工大学信息工程学院、武汉理工大学宽带无线通信和传感器网络湖北省重点实验室、武汉理工大学土木工程与建筑学院、宁波市第一医院泌尿外科泌尿系疾病转化医学研究宁波市重点实验室、湖北省天门市第一人民医院泌尿外科、中国科学院武汉物理与数学研究所波谱与原子分子物理国家重点实验室、武汉理工大学信息工程学院、武汉理工大学宽带无线通信和传感器网络湖北省重点实验室、武汉理工大学信息工程学院、武汉理工大学宽带无线通信和传感器网络湖北省重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
