Název: Impact Of Loss Function On Multi-Frame Super-Resolution
Autoři: Mezina, Anzhelika
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: Nowadays, one of the most popular topics in image processing is super-resolution. Thisproblem is getting more actual even in security, since monitoring cameras are everywhere and inthe case of an incident, it is necessary to recognize a person from records. A lot of approaches exist,which are able to reconstruct image, and the most of them are based on deep learning. The main focusof this work is to analyze, which loss function for neural networks is more effective for real-worldimage reconstruction. For this experiment chosen architecture and dataset are used for multi-framesuper-resolution for _x0002_8 scaling.
Klíčová slova: deep learning; image processing; loss function; super-resolution
Zdrojový dokument: Proceedings I of the 27st Conference STUDENT EEICT 2021: General papers, ISBN 978-80-214-5942-7

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200703

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447748


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference