TY -的A2 -叮,白元盟——江,文博盟——刘,安顺PY - 2022 DA - 2022/01/21 TI -基于深残余收缩运动图像去模糊和生成对抗网络SP - 5605846六世- 2022 AB -网络结构(DRSN-GAN)提出了运动图像去模糊相结合的深残余收缩网络交换网与生殖敌对的网络(GAN)解决贫穷问题的噪声免疫力和低去模糊算法完全基于甘斯的普遍性。首先,一个端到端的方法是用来恢复一个清晰的图像从一个模糊的图像,而不需要估计一个模糊的内核。接下来,在GAN DRSN用作发电机从输入图像去除噪声在学习残差来提高鲁棒性。BN和DRSN ReLU层搬到前面的卷积层,使网络更容易训练。最后,还装有由模糊变清晰表现验证使用,科勒,赖昌星的数据集。实验结果表明,模糊的图像产生更多的主观视觉效果和更高的客观评价,而MPRNet等算法。此外,图像边缘和纹理修复效果改善图像质量。我们的模型产生PSNR和SSIM值略高于最新MPRNet,以及增加YOLO检测精度。意思所需的参数的数量DRSN-GAN也减少了21.89%。SN - 1687 - 5265 UR - https://doi.org/10.1155/2022/5605846 - 10.1155 / 2022/5605846摩根富林明计算智力和神经科学PB - Hindawi KW - ER