《表5 低分辨率图像的识别结果》
利用网络的对抗性学习原理,对于幻想生成的低分辨率图像的边缘和其对应高质图像的边缘,判别网络无法做出正确判断时,本文网络训练完成,本文实验中相应的参数设置为迭代次数50 000,学习率0.01。对MNIST、EMNIST和Fashionmnist三个数据集中的测试样本进行下采样和上采样后分别得到7×7和3×3两个尺度的低分辨率图像。经过本文提出的低分辨率图像识别算法网络预测学习出低分辨图像的边缘,然后将边缘信息和低分辨率图像相融合的方法送入到LeNet-5经典网络中进行识别测试,得到其对应的识别率。同时对7×7和3×3两个尺度的低分辨率图像运用超分辨率重建SRCNN(Super Resolution Convolutional Neural Network)经典算法[20]进行超分辨率重建后送入到LeNet-5识别网络进行识别得到其对应的识别率。所测得到的识别率均是取其均值并计算了标准差,两次实验结果对比汇总,如表5所示,结果如图5所示。
图表编号 | XD00163205000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 刘颖、刘玉霞、毕萍 |
绘制单位 | 西安邮电大学通信与信息工程学院、电子信息现场勘验应用技术公安部重点实验室(西安邮电大学)、无线通信与信息处理技术国际联合研究中心(西安邮电大学)、西安邮电大学图像与信息处理研究所、西安邮电大学通信与信息工程学院、西安邮电大学通信与信息工程学院、电子信息现场勘验应用技术公安部重点实验室(西安邮电大学)、无线通信与信息处理技术国际联合研究中心(西安邮电大学)、西安邮电大学图像与信息处理研究所 |
更多格式 | 高清、无水印(增值服务) |