• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于加速殘差網(wǎng)絡的圖像超分辨率重建方法

    2021-07-02 00:36:22王昊榕
    計算機應用 2021年5期
    關鍵詞:低分辨率高分辨率殘差

    梁 敏,王昊榕,張 瑤,李 杰

    (山西財經(jīng)大學信息學院,太原 030006)

    (*通信作者電子郵箱liangmin716@163.com)

    0 引言

    圖像在采集、傳輸過程中受設備、光照等環(huán)境影響,直接降低了圖像的質(zhì)量。數(shù)字圖像超分辨率(Super-Resolution,SR)旨在通過某種模型約束條件由低分辨率(Low Resolution,LR)圖像重建清晰的高分辨率(High Resolution,HR)圖像,在公共安全、視頻監(jiān)控、醫(yī)學圖像處理[1-3]等方面具有強烈的需求。但根據(jù)有限的圖像信息重建出更多信息是一個病態(tài)過程,所以圖像超分辨率重建研究始終是一個具有挑戰(zhàn)性的任務。

    目前,圖像超分辨率重建是前沿熱門領域,吸引了越來越多的學者參與研究,并發(fā)表了眾多有意義的工作,其中,具有代表性的有:Yang 等[4]提出的基于稀疏編碼表示的超分辨率方 法(Sparse-coding-based Super-Resolution,ScSR),Timofte等[5]提出的可調(diào)整錨定鄰域回歸方法(Adjusted Anchored neighborhood regression for fast super-resolution,A+)。近年來,基于深度學習的超分辨率方法表現(xiàn)出良好的性能。Dong等[6]提出了基于卷積神經(jīng)網(wǎng)絡的圖像超分辨率重建(Super-Resolution using Convolutional Neural Network,SRCNN)方法,將卷積神經(jīng)網(wǎng)絡應用于超分辨率,實現(xiàn)了以低分辨率圖像作為輸入、高分辨率圖像作為輸出的端到端映射的重建模型。Wang 等[7]將傳統(tǒng)的稀疏編碼模型與深度學習相結合,提出了基于稀疏編碼的網(wǎng)絡(Sparse-Coding-based Network,SCN)。Dong 等[8]修改了SRCNN 模型,提出了加速的超分辨率卷積神經(jīng)網(wǎng)絡(Fast Super-Resolution Convolutional Neural Network,F(xiàn)SRCNN),通過在網(wǎng)絡末端添加反卷積層替代SRCNN初始上采樣操作,使得不同比例縮放因子可以共享卷積層權重,提升了重建速度。Kim 等[9]應用殘差學習并結合可調(diào)梯度裁剪策略提出了超深卷積神經(jīng)網(wǎng)絡的圖像超分辨率方法(Super-Resolution using Very Deep convolutional network,VDSR)。李現(xiàn)國等[10]設計了具有中間層監(jiān)督的網(wǎng)絡模型(Intermediate Supervision Convolutional Neural Network,ISCNN),借助監(jiān)督層誤差函數(shù)來改善網(wǎng)絡梯度消失現(xiàn)象。劉月峰等[11]先對低分辨率圖像進行三種插值操作,然后進行五種不同強度的銳化操作,最后將圖像合并排列成三維矩陣,以此作為網(wǎng)絡的多通道輸入。Wang 等[12]設計了一個通過深層和淺層卷積網(wǎng)絡實現(xiàn)端到端映射的超分辨率模型(End-to-End Deep and Shallow convolutional network,EEDS),由淺層通道重建圖像的主要結構,深層通道重建圖像的高頻細節(jié)。上述方法仍存在的問題是:淺層網(wǎng)絡不能充分提取圖像的特征,有重建質(zhì)量不高的天然缺陷;而深層網(wǎng)絡參數(shù)量大、計算復雜度高、重建效率低。

    針對上述問題,本文提出一種基于加速殘差網(wǎng)絡的圖像超分辨率重建方法(image Super-Resolution reconstruction method based on AccelerateD residual network,ADSR)。該方法對低分辨率圖像與高分辨率圖像之間的高頻殘差信息運用加速殘差網(wǎng)絡進行訓練,將低分辨率圖像與網(wǎng)絡學到的殘差相加得到重建圖像。主要貢獻包括:

    1)構建一個殘差網(wǎng)絡對低分辨率圖像與高分辨率圖像之間的高頻殘差信息進行重建,避免低分辨率圖像攜帶的低頻信息在深層網(wǎng)絡中的冗余學習,將網(wǎng)絡主要用于高頻殘差信息的訓練,從而提高效率。

    2)在非線性映射前加入收縮層,對提取的低分辨率圖像的特征圖維數(shù)進行降維,能夠減少深層網(wǎng)絡參數(shù),提高時間效率,以較少的網(wǎng)絡參數(shù)快速獲得較好的重建質(zhì)量。

    3)探索ADSR 網(wǎng)絡模型在運動模糊圖像超分辨率重建上的有效性,在多種模糊核下均取得了較現(xiàn)有方法更好的視覺效果和客觀量化指標。

    1 ADSR網(wǎng)絡

    為了解決利用深層網(wǎng)絡進行超分辨率重建中存在的網(wǎng)絡參數(shù)多、計算復雜度高等問題,本文構建了一個ADSR 網(wǎng)絡模型。在本章中,將其視為由低分辨率圖像到高分辨率圖像的端到端映射過程,并劃分為六部分介紹:低分辨率特征提取、特征收縮、非線性映射、高分辨率特征擴展、高頻殘差信息重建以及殘差求和。圖1給出了ADSR的網(wǎng)絡框架。ADSR整體是一個殘差網(wǎng)絡,其主要目的是對低分辨率圖像缺失的高頻細節(jié)部分進行重建,提高邊緣及紋理信息的重建精度。在局部上將端到端的非線性映射部分更細致地劃分成特征收縮、非線性映射、高分辨率特征擴展這三個部分,降低了深層網(wǎng)絡傳輸過程中低分辨率特征圖的維度,從而降低模型復雜度。

    圖1 ADSR網(wǎng)絡架構Fig.1 ADSR network architecture

    1.1 低分辨率特征提取

    單幅低分辨率圖像重建時,首先將該低分辨率圖像采用雙三次插值方法(Bicubic)上采樣到要重建的高分辨率圖像尺寸,得到初始的上采樣低分辨率圖像Y作為網(wǎng)絡的輸入,網(wǎng)絡的目標是將Y盡可能地恢復出與真值高分辨率圖像X相似的重建圖像Z。利用一組濾波器對低分辨率圖像Y進行卷積操作提取出豐富的圖像特征,其中每一個濾波器對應得到一張?zhí)卣鲌D。將該層結構表示為F1(Y)=W1*Y+B1,W1和B1分別表示濾波器的權重以及偏差,“*”表示卷積操作,W1對應n1個尺寸為f1×f1 的濾波器,即經(jīng)過特征提取層能夠提取出n1張?zhí)卣鲌D。該部分如圖1中的Patch extraction所示。

    1.2 特征收縮

    在超分辨率重建任務中,把從低分辨率特征提取層F1提取到的特征圖進行非線性映射得到用于重建高分辨率圖像對應的高分辨率特征圖。然而在特征提取層中為了獲得圖像的豐富特征,特征維數(shù)n1通常較大,再將這些特征傳入多層非線性映射結構時會產(chǎn)生較多的參數(shù),時間復雜度較高。

    ADSR在非線性映射前加入了特征收縮層將特征圖維數(shù)從n1 維降至n2 維。該層結構表示為F2(Y)=W2*F1(Y) +B2,W2和B2分別表示濾波器的權重以及偏差,W2對應n2個尺寸為f2 ×f2 的濾波器,且n2<n1,即經(jīng)過特征收縮層將特征圖維數(shù)降至n2。該部分如圖1中的Shrinking所示。

    1.3 非線性映射

    通過低分辨率特征提取及特征收縮后得到了低分辨率圖像的n2 張?zhí)卣鲌D,將這些特征圖進行非線性映射能夠得到用于重建高分辨率圖像對應的高分辨率特征圖,所以非線性映射結構對重建質(zhì)量發(fā)揮著關鍵的作用。ADSR 使用多層小尺寸濾波器串聯(lián)的架構來獲得較大的圖像感受野,有利于提高重建質(zhì)量。將非線性映射部分的當前層數(shù)表示為i,其結構表示如式(1)所示:

    其中:W3i和B3i表示第i層濾波器的權重以及偏差,M表示非線性映射部分的總層數(shù),其值將在實驗部分討論確定。該部分如圖1中的Mapping所示。

    1.4 高分辨率特征擴展

    為了減少網(wǎng)絡參數(shù),在非線性映射前應用了特征收縮層進行降維,但直接使用n2 維特征進行重建得到的圖像質(zhì)量不高,所以要在非線性映射之后、重建之前加入擴展層將特征圖維數(shù)從n2維升回至n1維。表示為F4(Y)=W4*F3i(Y) +B4,其中i=M,W4和B4分別表示濾波器的權重以及偏差,W4對應n1 個尺寸為f4 ×f4 的濾波器,即經(jīng)過特征擴展層將高分辨率特征圖維數(shù)升至n1。該部分如圖1中的Expanding所示。

    1.5 高頻殘差信息重建

    深層超分辨率重建網(wǎng)絡主要完成兩個任務:一是將低分辨率圖像Y已有的信息從網(wǎng)絡層的輸入端輸送至輸出端;二是重建低分辨率圖像與真值高分辨率圖像之間的差值部分R,即R=X-Y。在超分辨率重建任務中,要重建的信息遠少于低分辨率和高分辨率圖像已有的公共信息,所以任務一將耗費網(wǎng)絡極大的資源,而真正用于任務二的資源較少。另外輸入端信息Y在網(wǎng)絡中進行傳輸學習時隨著網(wǎng)絡結構加深,容易出現(xiàn)細節(jié)丟失的問題。

    ADSR 構建了一個殘差網(wǎng)絡對低分辨率圖像與高分辨率圖像之間的高頻殘差信息進行重建。殘差結構能夠避免信息Y的深層網(wǎng)絡傳送過程,將網(wǎng)絡主要用在高頻殘差信息R的重建上。ADSR 將n1維高分辨率特征圖進行融合生成的一維圖像,即為重建出的高頻殘差圖像。表示為R′=W5*F4(Y) +B5,W5和B5分別表示濾波器的權重以及偏差,W5對應1個尺寸為f5×f5的濾波器。該部分如圖1中Reconstruction所示。

    1.6 殘差求和

    本文構建的殘差網(wǎng)絡框架在訓練時以上采樣低分辨率圖像Y作為輸入,將由殘差網(wǎng)絡獲得的高頻殘差圖像R′與低分辨率圖像Y相加得到的重建高分辨率圖像Z作為輸出,以均方誤差(Mean Squared Error,MSE)作為網(wǎng)絡模型的損失函數(shù),如式(2)所示,式中n表示訓練集的樣本數(shù)目。

    圖2顯示了set5數(shù)據(jù)集中butterfly圖像的上采樣低分辨率圖像Y,重建的殘差圖像R′以及最終生成的高分辨率圖像Z。

    圖2 butterfly圖像超分辨率重建過程Fig.2 Super-resolution reconstruction process of butterfly image

    綜上所述,基于加速殘差網(wǎng)絡的圖像超分辨率重建方法的過程如圖3所示,分為以下步驟:

    圖3 ADSR技術路線Fig.3 ADSR technology roadmap

    1)對輸入的低分辨率圖像進行雙三次插值處理,獲得上采樣的低分辨率圖像Y;

    2)提取代表圖像Y高頻信息的n1張低分辨率特征圖;

    3)通過特征收縮層將其降維至n2;

    4)經(jīng)過非線性映射層得到對應的n2張高分辨率特征圖;

    5)通過特征擴展層將其升維至n1;

    6)由n1張高分辨率特征圖重建出高分辨率殘差圖像R′;

    7)將R′與Y相加獲得最終重建的高分辨率圖像Z。

    2 實驗

    2.1 實現(xiàn)細節(jié)

    2.1.1 訓練集與測試集

    訓練集 本文實驗基于隨機森林學習(Random Forest Learning,RFL)[13]的超分辨率方法使用的291 張圖片,采用數(shù)據(jù)增強的方法,對圖像旋轉90°、180°、270°,并縮小0.6倍以及0.8倍,得到3 492張圖片作為訓練集。采用43的步長將數(shù)據(jù)集切割成43×43的圖像塊,混合多比例因子2、3、4數(shù)據(jù)集將獲得大約38萬張的圖像塊用于網(wǎng)絡訓練。

    測試集采用set5[14]、set14[15]、BSD100[16]以 及Urban100[17]四個數(shù)據(jù)集作為測試集。

    2.1.2 訓練細節(jié)

    ADSR 網(wǎng)絡結構以MSE 作為損失函數(shù),表示重建的高分辨率圖像與真值圖像之間的差異,選用Adam(Adam optimization)算法來優(yōu)化損失函數(shù)。訓練的初始學習率設置為0.000 1,權重衰減系數(shù)設置為0.000 1,濾波器的權重采用He 等[18]提出的方法進行初始化。訓練的批大小設置為128,模型訓練了超過200 個epoch。網(wǎng)絡在硬件參數(shù)NVIDIA GeForce GTX 1060 下使用caffe 工具以及Matlab R2017b 接口進行訓練及測試。

    2.1.3 評價指標

    為了定量表示重建結果并與其他方法進行對比,本文采用峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)及結構相似性(Structural SIMilarity,SSIM)作為重建效果評價標準。PSNR 值越大代表與真值圖像相比重建圖像失真越少,SSIM值越大代表重建圖像與真值圖像的結構相似性越高。

    2.2 網(wǎng)絡參數(shù)設置研究

    2.2.1 不同層數(shù)設置

    ADSR 加入特征收縮層減少網(wǎng)絡參數(shù)勢必會以降低重建質(zhì)量為代價,所以考慮增加網(wǎng)絡層數(shù)來降低質(zhì)量的損失,因此設置了實驗對合適的網(wǎng)絡層數(shù)進行探討,先以22 層網(wǎng)絡結構作為基礎,之后通過增加M討論選定ADSR最終的層數(shù)。

    表1 顯示了ADSR 在n1=64、n2=32,網(wǎng)絡層數(shù)分別為22、23、24、25以及26的各測試集的PSNR 及SSIM 均值結果(其中加粗表示最高值)。通過分析不同層數(shù)的重建結果,選定層數(shù)較小且重建質(zhì)量較好的24層為默認的層數(shù)。

    表1 測試集在不同層數(shù)設置下的PSNR及SSIM均值Tab.1 Mean values of PSNR/SSIM of test sets under different layer configurations

    2.2.2 不同濾波器個數(shù)設置

    本文將低分辨率特征提取部分的濾波器個數(shù)n1 設置為64,即通過特征提取層提取出代表低分辨率圖像特征的64 張?zhí)卣鲌D。在進行收縮時考慮將其降為16 維、32 維以及48 維。表2 顯示了在24 層網(wǎng)絡架構上(n1,n2)設置為(64,16)、(64,32)及(64,48)的各測試集的PSNR 及SSIM 均值結果(其中加粗的值表示最高值)。通過分析不同設置下的重建結果,選定重建質(zhì)量較好的(64,48)為默認的濾波器個數(shù)。

    表2 測試集在不同濾波器個數(shù)n1、n2設置下的PSNR及SSIM均值Tab.2 Mean values of PSNR/SSIM of test sets under different filter number n1,n2 configurations

    2.2.3 不同比例因子設置

    為解決一個神經(jīng)網(wǎng)絡模型只適用于單一比例因子的問題,本文將原始訓練集按多種倍數(shù)比例因子進行縮放并融合成大的訓練集,使得訓練得到的模型適用于所有訓練集中包含的比例因子,提高網(wǎng)絡模型的泛化能力。表3和表4顯示了層數(shù)為24,濾波器個數(shù)為(64,48)的網(wǎng)絡結構在不同訓練集下得到的模型的set5 數(shù)據(jù)集的PSNR 及SSIM 結果,其中加粗的值表示測試比例因子包含在訓練集的比例因子中。

    表4 不同比例因子模型對SSIM均值的影響Tab.4 The influence of different scale factor models on mean value of SSIM

    實驗結果顯示單比例因子訓練集的模型無法處理其他比例因子重建問題,有時重建效果甚至比雙三次插值方法效果還差。以縮放比例因子2 下的測試集重建結果為例,其在比例因子2 訓練集的模型下的PSNR 值為37.55,在比例因子3訓練集的模型下的PSNR 值為30.92,在比例因子4 訓練集的模型下的PSNR 值為25.67,而用雙三次插值方法得到的PSNR值為33.66。

    相比單比例因子訓練集來說,混合比例因子訓練集下的模型可以有效處理所有預定義比例因子的重建問題,且能使大比例因子測試集的重建效果得到增強。以表3中(×2,3,4)訓練集模型下的各尺度PSNR 值與對應的各單比例因子訓練集的模型的PSNR 值對比為例:37.36(×2,3,4)-37.55(×2)、33.59(×2,3,4)-33.47(×3)、31.19(×2,3,4)-31.00(×4)。

    表3 不同比例因子模型對PSNR均值的影響Tab.3 Influence of different scale factor models on mean value of PSNR

    另外對于大比例因子3 和4 來說訓練集涉及的預定義比例因子越多,模型重建的增強效果就越明顯。以縮放比例因子4下的測試集重建結果為例,其在單比例因子4訓練集的模型下的PSNR 值為31.00,在混合比例因子(×2,4)訓練集的模型下的PSNR 值為31.14,(×3,4)訓練集的模型下的PSNR 值為31.06,(×2,3,4)訓練集的模型下的PSNR值為31.19。

    2.3 與現(xiàn)有方法比較

    2.3.1 重建質(zhì)量的比較

    為了反映ADSR 的重建效果,本文將它與Bicubic、ScSR[4]、A+[5]以及近來國內(nèi)外提出的基于深度學習的方法SRCNN[6]、SCN[7]、FSRCNN[8]、VDSR[9]、ISCNN[10]、劉月峰等[11]方法以及EEDS[12]進行比較。其中,所有對比方法的重建結果都使用原作者提供的數(shù)據(jù)或原作者發(fā)布的源代碼生成的數(shù)據(jù)。本文方法選擇在層數(shù)為24、濾波器個數(shù)為(64,48)、數(shù)據(jù)集為(×2,3,4)混合比例因子融合下的重建結果。圖4列出了set14數(shù)據(jù)集中comic圖像在比例因子為3時多種方法下的重建圖像以及PSNR 值。從中可以看出,ADSR 方法在邊緣處及高頻細節(jié)處的重建效果更為突出,且整體結構與原圖更為接近。

    圖4 comic在比例因子為3時的重建圖像Fig.4 Reconstructed image of comic at the scale of 3

    表5、6 分別顯示了ADSR 與這些方法在set5、set14、B100及Urban100 四個測試集下的PSNR 和SSIM 均值,其中加粗標注的值表示最高值,下劃線標注的值表示次高值。結果顯示在重建質(zhì)量上ADSR除稍低于VDSR外,均優(yōu)于對比方法。

    表5 ADSR與現(xiàn)有方法PSNR的比較 單位:dB Tab.5 Comparison of PSNR of ADSR with existing methods unit:dB

    表6 ADSR與現(xiàn)有方法SSIM的比較Tab.6 Comparison of SSIM of ADSR with existing methods

    VDSR 的PSNR 及SSIM 均值略高于本文方法,其原因是它直接使用提取出的高維度特征圖進行非線性映射,網(wǎng)絡模型參數(shù)量比ADSR 大(2.36 MB>1.50 MB)。ADSR 采用的特征降維操作會產(chǎn)生較小的重建質(zhì)量的損失,但能在時間效率上取得較大的優(yōu)勢。圖5 列出了ADSR 與VDSR 這兩種方法在4 個測試集上的重建質(zhì)量與重建時間的對比,結果顯示ADSR 方法的PSNR 均值只比VDSR 低0.1 dB 左右,但重建速度提高了將近一倍。

    圖5 VDSR與ADSR重建質(zhì)量與時間的對比Fig.5 Comparison of reconstruction quality and time between VDSR and ADSR

    另外,雖然ADSR 在測試集上的重建均值略低,但能在很多圖像上取得比VDSR 好的重建結果,如圖6 所示,列出了set5數(shù)據(jù)集中bird圖像及set14數(shù)據(jù)集中flowers圖像在比例因子為3 時兩種方法下的重建圖像以及PSNR 值對比,其中ADSR取得了更佳的重建結果。

    圖6 Bird及flowers在比例因子為3時的重建圖像Fig.6 Reconstructed images of bird and flowers at the scale of 3

    2.3.2 重建時間的比較

    為了反映ADSR 的深層網(wǎng)絡加速效果,本文與A+[5]、SRCNN[6]、VDSR[9]、ISCNN[10]以及基于對稱殘差卷積神經(jīng)網(wǎng)絡的圖像超分辨率重建方法(Super-Resolution based on Symmetric residual convolution neural network,SymSR)[19]進行了重建時間的比較。表7 顯示了ADSR 與這些方法在set5、set14、B100 以及Urban100 測試集下的重建時間均值,其中加粗標注的值表示最低值。結果顯示ADSR 的重建速度最快。在set5、set14、B100 三個數(shù)據(jù)集上ADSR 的重建速度至少是SRCNN 的20 倍,是VDSR 深層網(wǎng)絡的1.5 倍。在具有重建挑戰(zhàn)性的城市數(shù)據(jù)集Urban100 上ADSR 的重建速度至少是SRCNN 的43 倍,是VDSR 深層網(wǎng)絡的2.5 倍。另外ADSR 網(wǎng)絡模型參數(shù)量較VDSR 有所減小(1.50 MB<2.36 MB),說明了本文方法達到了減少網(wǎng)絡參數(shù),降低網(wǎng)絡復雜度,且明顯提高重建速度的目的。

    表7 ADSR與現(xiàn)有方法重建時間的比較 單位:sTab.7 Comparison of reconstruction time of ADSR with other methods unit:s

    2.4 ADSR模型處理運動模糊的有效性

    目前對圖像超分辨率重建的研究絕大多數(shù)是集中在處理下采樣模糊的理想化退化模型,鮮有研究考慮運動模糊等更為一般的退化因素[20]。本文將ADSR 應用在處理運動模糊這一具有挑戰(zhàn)性的問題上,探索ADSR 模型在處理運動模糊時的有效性。

    訓練集將多種運動模糊核考慮在內(nèi),提升網(wǎng)絡模型的泛化能力,其中模糊長度設置為[5,8,11,14],模糊角度設置為[0°,45°]。圖7列出了測試集中的3張圖像在模糊長度為14,模糊角度為45°下的重建圖像以及PSNR值,結果顯示,與VDSR相比,ADSR能以較小的網(wǎng)絡模型獲得更優(yōu)的重建效果,說明在處理運動模糊圖像超分辨率重建問題上ADSR更有效。

    圖7 VDSR與ADSR重建質(zhì)量的比較Fig.7 Comparison of reconstruction quality between VDSR and ADSR

    圖8列出了這兩種方法在4個測試集上的重建時間對比,結果顯示ADSR方法的重建速度比VDSR快將近一倍。

    圖8 VDSR與ADSR重建時間的比較Fig.8 Comparison of reconstruction time between VDSR and ADSR

    3 結語

    本文提出了一種基于加速殘差網(wǎng)絡的圖像超分辨率重建方法ADSR。該方法對低分辨率圖像與真值圖像之間的殘差信息進行重建,它在多層小尺寸濾波器串聯(lián)的非線性映射結構前加入特征收縮層對提取的特征圖維數(shù)進行降維,然后在映射后加入高分辨率特征擴展層進行升維,重建出高分辨率的殘差信息。經(jīng)實驗證明,ADSR 能夠取得較A+等傳統(tǒng)方法以及SRCNN、ISCNN 等國內(nèi)外深度學習方法更好的超分辨率重建結果,并且能夠減少深層網(wǎng)絡參數(shù),降低網(wǎng)絡復雜度,達到加快重建速度、提高重建效率的目的。此外將該方法應用于運動模糊圖像的超分辨率重建也獲得了較好的性能,但實際獲取的低分辨率圖像降質(zhì)因素眾多,后續(xù)將構建更高效的網(wǎng)絡來處理通用降質(zhì)模型下的低分辨率圖像的超分辨率重建問題。

    猜你喜歡
    低分辨率高分辨率殘差
    基于全局和局部特征集成的低分辨率人臉識別方法
    紅外熱成像中低分辨率行人小目標檢測方法
    紅外技術(2022年11期)2022-11-25 08:12:22
    基于偏移學習的低分辨率人體姿態(tài)估計
    基于雙向GRU與殘差擬合的車輛跟馳建模
    基于殘差學習的自適應無人機目標跟蹤算法
    高分辨率合成孔徑雷達圖像解譯系統(tǒng)
    雷達學報(2020年3期)2020-07-13 02:27:16
    基于遞歸殘差網(wǎng)絡的圖像超分辨率重建
    自動化學報(2019年6期)2019-07-23 01:18:32
    樹木的低分辨率三維模型資源創(chuàng)建實踐
    藝術科技(2018年2期)2018-07-23 06:35:17
    高分辨率對地觀測系統(tǒng)
    太空探索(2015年8期)2015-07-18 11:04:44
    平穩(wěn)自相關過程的殘差累積和控制圖
    河南科技(2015年8期)2015-03-11 16:23:52
    18禁国产床啪视频网站| 国产在线免费精品| 亚洲一区中文字幕在线| av天堂久久9| 国产高清激情床上av| 久久久久国内视频| 韩国精品一区二区三区| 99久久99久久久精品蜜桃| 黄片大片在线免费观看| 少妇粗大呻吟视频| 真人做人爱边吃奶动态| 欧美人与性动交α欧美精品济南到| 亚洲精品粉嫩美女一区| 老熟女久久久| 午夜91福利影院| 狂野欧美激情性xxxx| 大型av网站在线播放| 欧美av亚洲av综合av国产av| 成人永久免费在线观看视频 | 欧美激情久久久久久爽电影 | 国产精品一区二区在线不卡| 国产欧美日韩精品亚洲av| 狠狠精品人妻久久久久久综合| 黑人操中国人逼视频| 成人国语在线视频| 大陆偷拍与自拍| 真人做人爱边吃奶动态| 成年人黄色毛片网站| 久久精品熟女亚洲av麻豆精品| 美女扒开内裤让男人捅视频| 一级片免费观看大全| 十八禁网站网址无遮挡| 伊人久久大香线蕉亚洲五| 法律面前人人平等表现在哪些方面| 嫁个100分男人电影在线观看| 久热这里只有精品99| 老司机深夜福利视频在线观看| 亚洲第一欧美日韩一区二区三区 | 国产又色又爽无遮挡免费看| 欧美国产精品va在线观看不卡| 男女高潮啪啪啪动态图| tocl精华| 国产有黄有色有爽视频| 欧美日韩亚洲高清精品| 亚洲国产欧美网| 色尼玛亚洲综合影院| 亚洲av日韩在线播放| 一区二区日韩欧美中文字幕| 老熟女久久久| 欧美日韩av久久| 亚洲欧洲精品一区二区精品久久久| 波多野结衣一区麻豆| 午夜福利,免费看| 久久久久久人人人人人| 久久久久久久久免费视频了| 亚洲成国产人片在线观看| 国产xxxxx性猛交| 国产亚洲精品一区二区www | 女人高潮潮喷娇喘18禁视频| 欧美国产精品va在线观看不卡| 窝窝影院91人妻| 日本撒尿小便嘘嘘汇集6| 十八禁人妻一区二区| 宅男免费午夜| 飞空精品影院首页| 国产精品久久久久成人av| 男女高潮啪啪啪动态图| 操出白浆在线播放| 18在线观看网站| 岛国毛片在线播放| 一区二区日韩欧美中文字幕| 亚洲国产成人一精品久久久| 一本久久精品| 成人国语在线视频| 最近最新中文字幕大全免费视频| 国产xxxxx性猛交| 中文亚洲av片在线观看爽 | 热99国产精品久久久久久7| 人人妻人人添人人爽欧美一区卜| 最近最新中文字幕大全免费视频| 国产免费av片在线观看野外av| 亚洲熟女毛片儿| 精品国产乱子伦一区二区三区| 欧美中文综合在线视频| a级毛片在线看网站| 免费观看人在逋| 亚洲精品国产精品久久久不卡| 欧美av亚洲av综合av国产av| 欧美 日韩 精品 国产| 亚洲午夜精品一区,二区,三区| 看免费av毛片| 久久久国产一区二区| 国产97色在线日韩免费| 成人国语在线视频| 国产成人av教育| 久久精品国产99精品国产亚洲性色 | 日本av手机在线免费观看| 色婷婷av一区二区三区视频| 视频区欧美日本亚洲| 一本一本久久a久久精品综合妖精| 国产日韩欧美视频二区| 一本久久精品| netflix在线观看网站| 久久ye,这里只有精品| 欧美另类亚洲清纯唯美| 国产精品久久久久久精品电影小说| 国产区一区二久久| 色精品久久人妻99蜜桃| 成人亚洲精品一区在线观看| 五月开心婷婷网| 久久久久久久大尺度免费视频| 欧美日韩精品网址| 欧美性长视频在线观看| 成人永久免费在线观看视频 | 三级毛片av免费| 桃红色精品国产亚洲av| 午夜福利在线观看吧| 麻豆av在线久日| 人成视频在线观看免费观看| 黄色视频不卡| 亚洲性夜色夜夜综合| 国产精品av久久久久免费| 久久中文字幕一级| 亚洲av日韩在线播放| 国产伦人伦偷精品视频| 国产三级黄色录像| 久久精品人人爽人人爽视色| 美女高潮喷水抽搐中文字幕| 大型黄色视频在线免费观看| 性少妇av在线| 考比视频在线观看| 女人精品久久久久毛片| 夫妻午夜视频| 国产又色又爽无遮挡免费看| 国产高清视频在线播放一区| 日韩中文字幕欧美一区二区| 国产视频一区二区在线看| 啦啦啦在线免费观看视频4| 黄色丝袜av网址大全| 在线播放国产精品三级| 高清在线国产一区| 色视频在线一区二区三区| 国产区一区二久久| 精品午夜福利视频在线观看一区 | 美女午夜性视频免费| av天堂在线播放| 久久国产精品男人的天堂亚洲| 老熟女久久久| 天天躁狠狠躁夜夜躁狠狠躁| 久久99热这里只频精品6学生| 国产精品欧美亚洲77777| av福利片在线| 成年人黄色毛片网站| 黄色视频,在线免费观看| av超薄肉色丝袜交足视频| 国产免费现黄频在线看| 国产三级黄色录像| 人人妻人人爽人人添夜夜欢视频| 精品一品国产午夜福利视频| 不卡一级毛片| 欧美国产精品一级二级三级| 亚洲成国产人片在线观看| 法律面前人人平等表现在哪些方面| 国产亚洲午夜精品一区二区久久| 欧美久久黑人一区二区| 色播在线永久视频| 热99国产精品久久久久久7| 九色亚洲精品在线播放| 在线观看www视频免费| 亚洲国产欧美日韩在线播放| 嫩草影视91久久| 国产真人三级小视频在线观看| 一区福利在线观看| 国产av一区二区精品久久| 日韩 欧美 亚洲 中文字幕| 国产xxxxx性猛交| 一二三四社区在线视频社区8| 极品教师在线免费播放| 免费高清在线观看日韩| 99在线人妻在线中文字幕 | 精品福利观看| 在线十欧美十亚洲十日本专区| 欧美精品啪啪一区二区三区| 老熟妇乱子伦视频在线观看| 国产精品熟女久久久久浪| 中文字幕精品免费在线观看视频| 香蕉久久夜色| 成人av一区二区三区在线看| 亚洲成国产人片在线观看| 国产av又大| 精品国产乱码久久久久久小说| 亚洲精品一二三| 国产99久久九九免费精品| 人人澡人人妻人| 国产成人精品久久二区二区91| 午夜福利乱码中文字幕| 国产一卡二卡三卡精品| 精品国产一区二区三区四区第35| 国产真人三级小视频在线观看| 久久天堂一区二区三区四区| 国产在线视频一区二区| 美女高潮到喷水免费观看| 精品久久蜜臀av无| 国产伦人伦偷精品视频| 人人澡人人妻人| 男女下面插进去视频免费观看| 啪啪无遮挡十八禁网站| 亚洲熟女精品中文字幕| av又黄又爽大尺度在线免费看| 国产精品电影一区二区三区 | 一区二区三区精品91| 国产黄频视频在线观看| 黄色a级毛片大全视频| 黑人操中国人逼视频| 精品少妇一区二区三区视频日本电影| 男女免费视频国产| 免费观看人在逋| 久久久久久久久久久久大奶| 天堂中文最新版在线下载| 久久中文字幕人妻熟女| 日韩人妻精品一区2区三区| 欧美精品一区二区免费开放| 极品人妻少妇av视频| 国产亚洲午夜精品一区二区久久| 国产一区二区 视频在线| 伦理电影免费视频| 少妇猛男粗大的猛烈进出视频| 美女福利国产在线| 精品国产国语对白av| 亚洲成人手机| 手机成人av网站| 黑人巨大精品欧美一区二区mp4| 极品少妇高潮喷水抽搐| 80岁老熟妇乱子伦牲交| 美女高潮喷水抽搐中文字幕| 成在线人永久免费视频| 性色av乱码一区二区三区2| 久久免费观看电影| 高清毛片免费观看视频网站 | 亚洲一区二区三区欧美精品| a在线观看视频网站| 久久这里只有精品19| 操美女的视频在线观看| 黄色丝袜av网址大全| 色播在线永久视频| 国产老妇伦熟女老妇高清| 麻豆成人av在线观看| av线在线观看网站| 在线观看66精品国产| 久久久久久久国产电影| av在线播放免费不卡| 久久久水蜜桃国产精品网| 精品免费久久久久久久清纯 | 亚洲精品久久成人aⅴ小说| 高清视频免费观看一区二区| 叶爱在线成人免费视频播放| 免费观看av网站的网址| 欧美成狂野欧美在线观看| 婷婷丁香在线五月| 久久 成人 亚洲| 又紧又爽又黄一区二区| 黑人巨大精品欧美一区二区蜜桃| 精品一品国产午夜福利视频| 性高湖久久久久久久久免费观看| 丝袜美腿诱惑在线| 两性夫妻黄色片| 午夜福利,免费看| 香蕉丝袜av| 精品欧美一区二区三区在线| 久久青草综合色| 午夜激情av网站| 91成人精品电影| 免费在线观看完整版高清| 久久人妻福利社区极品人妻图片| a在线观看视频网站| 中文字幕色久视频| 少妇猛男粗大的猛烈进出视频| 亚洲中文字幕日韩| 国产日韩欧美在线精品| 国产成人精品在线电影| 视频在线观看一区二区三区| 十分钟在线观看高清视频www| 精品一区二区三区av网在线观看 | 精品福利观看| 色播在线永久视频| 国产精品98久久久久久宅男小说| 亚洲全国av大片| kizo精华| 在线看a的网站| 一区二区av电影网| 国产日韩一区二区三区精品不卡| 黄片播放在线免费| 757午夜福利合集在线观看| 国产在线一区二区三区精| 久久精品国产亚洲av香蕉五月 | 999精品在线视频| 国产精品香港三级国产av潘金莲| 国产一区二区三区在线臀色熟女 | 超碰成人久久| 18禁观看日本| 宅男免费午夜| 亚洲精华国产精华精| 免费久久久久久久精品成人欧美视频| 色婷婷久久久亚洲欧美| 国产主播在线观看一区二区| 这个男人来自地球电影免费观看| 正在播放国产对白刺激| 999久久久精品免费观看国产| 91精品三级在线观看| 日本wwww免费看| 久久精品亚洲熟妇少妇任你| 免费少妇av软件| 黑丝袜美女国产一区| 国产欧美日韩一区二区精品| 国产人伦9x9x在线观看| 女性被躁到高潮视频| 久久久久久免费高清国产稀缺| 搡老岳熟女国产| 宅男免费午夜| 最近最新中文字幕大全免费视频| av福利片在线| www.熟女人妻精品国产| 美女国产高潮福利片在线看| 国产日韩欧美在线精品| 极品教师在线免费播放| 日韩大码丰满熟妇| 法律面前人人平等表现在哪些方面| 成人精品一区二区免费| 午夜两性在线视频| 在线观看人妻少妇| av有码第一页| 亚洲熟女精品中文字幕| 欧美大码av| 97人妻天天添夜夜摸| 黑人巨大精品欧美一区二区蜜桃| 欧美老熟妇乱子伦牲交| 免费女性裸体啪啪无遮挡网站| 嫁个100分男人电影在线观看| 国产精品欧美亚洲77777| 亚洲国产欧美网| 国产日韩欧美亚洲二区| av在线播放免费不卡| 午夜福利免费观看在线| 国产黄频视频在线观看| 欧美中文综合在线视频| 看免费av毛片| 日韩一区二区三区影片| 久久亚洲精品不卡| 久久亚洲真实| 日韩大片免费观看网站| 国产精品电影一区二区三区 | 久9热在线精品视频| 亚洲综合色网址| 久久 成人 亚洲| 999久久久精品免费观看国产| 欧美变态另类bdsm刘玥| 99在线人妻在线中文字幕 | 国产片内射在线| 女人爽到高潮嗷嗷叫在线视频| 国产在线一区二区三区精| 午夜福利,免费看| 视频在线观看一区二区三区| 久久久久视频综合| 精品第一国产精品| 亚洲成人手机| 曰老女人黄片| 国产日韩欧美亚洲二区| 国产在线视频一区二区| 久久天躁狠狠躁夜夜2o2o| 亚洲精品国产一区二区精华液| 成人永久免费在线观看视频 | 他把我摸到了高潮在线观看 | 三级毛片av免费| 亚洲欧美日韩高清在线视频 | 在线观看免费视频网站a站| 久热这里只有精品99| 日韩熟女老妇一区二区性免费视频| 国产精品成人在线| 自拍欧美九色日韩亚洲蝌蚪91| 一本久久精品| 日韩欧美国产一区二区入口| 91成年电影在线观看| 18禁黄网站禁片午夜丰满| 国产精品电影一区二区三区 | 国内毛片毛片毛片毛片毛片| 男人操女人黄网站| 欧美精品av麻豆av| 亚洲五月色婷婷综合| 国产免费av片在线观看野外av| 久久精品成人免费网站| 国产片内射在线| 一边摸一边做爽爽视频免费| 午夜福利一区二区在线看| 日本a在线网址| 国产97色在线日韩免费| 久久精品国产综合久久久| 天天躁夜夜躁狠狠躁躁| 久久久水蜜桃国产精品网| 超色免费av| 黑人猛操日本美女一级片| 建设人人有责人人尽责人人享有的| 久久精品人人爽人人爽视色| 久久久国产一区二区| 亚洲熟女毛片儿| 久久人妻福利社区极品人妻图片| 亚洲精品国产色婷婷电影| 成人特级黄色片久久久久久久 | cao死你这个sao货| 国产精品一区二区免费欧美| 国产日韩欧美亚洲二区| 又大又爽又粗| 午夜91福利影院| 国产不卡av网站在线观看| 日本wwww免费看| 亚洲欧美精品综合一区二区三区| 啦啦啦 在线观看视频| 美女主播在线视频| 岛国在线观看网站| 国产一区二区激情短视频| av网站在线播放免费| 少妇粗大呻吟视频| 亚洲av欧美aⅴ国产| 亚洲欧美日韩高清在线视频 | 制服诱惑二区| 9191精品国产免费久久| 国产精品国产av在线观看| 两人在一起打扑克的视频| 成人特级黄色片久久久久久久 | 日韩大片免费观看网站| 飞空精品影院首页| 久久精品国产亚洲av高清一级| 啦啦啦中文免费视频观看日本| 久久精品aⅴ一区二区三区四区| 国产国语露脸激情在线看| 国产精品1区2区在线观看. | 欧美日韩亚洲综合一区二区三区_| 久久精品亚洲av国产电影网| 天天躁日日躁夜夜躁夜夜| 欧美老熟妇乱子伦牲交| 国产成人免费观看mmmm| 欧美成人午夜精品| 亚洲精品中文字幕一二三四区 | 欧美黄色片欧美黄色片| 日韩中文字幕视频在线看片| 丝袜在线中文字幕| av超薄肉色丝袜交足视频| 中文字幕精品免费在线观看视频| 人人妻人人爽人人添夜夜欢视频| e午夜精品久久久久久久| 亚洲中文字幕日韩| 人成视频在线观看免费观看| 国产免费视频播放在线视频| 国产日韩欧美在线精品| 欧美人与性动交α欧美精品济南到| 久久久久网色| 黑丝袜美女国产一区| 黄色a级毛片大全视频| 欧美黑人精品巨大| 最新在线观看一区二区三区| 老汉色∧v一级毛片| 色精品久久人妻99蜜桃| av电影中文网址| 五月开心婷婷网| 欧美久久黑人一区二区| 亚洲欧美色中文字幕在线| 热99re8久久精品国产| 亚洲三区欧美一区| 国产成人精品久久二区二区91| 午夜91福利影院| 国产在线视频一区二区| 18禁裸乳无遮挡动漫免费视频| 精品国产亚洲在线| 亚洲中文av在线| 一级毛片电影观看| 欧美国产精品va在线观看不卡| 亚洲精品美女久久av网站| 国产精品一区二区在线不卡| 亚洲欧美色中文字幕在线| 国产一区二区在线观看av| 免费在线观看影片大全网站| 男女边摸边吃奶| 亚洲专区字幕在线| 国产亚洲欧美在线一区二区| 国产aⅴ精品一区二区三区波| 免费看a级黄色片| 午夜精品久久久久久毛片777| 亚洲熟女毛片儿| cao死你这个sao货| av电影中文网址| 成年人免费黄色播放视频| www.熟女人妻精品国产| 丝袜在线中文字幕| 久久天躁狠狠躁夜夜2o2o| 亚洲午夜理论影院| 亚洲精品美女久久久久99蜜臀| 午夜成年电影在线免费观看| 亚洲美女黄片视频| 亚洲伊人久久精品综合| 亚洲欧美激情在线| 精品福利永久在线观看| 女人爽到高潮嗷嗷叫在线视频| 精品人妻熟女毛片av久久网站| 正在播放国产对白刺激| 国产精品香港三级国产av潘金莲| 午夜老司机福利片| netflix在线观看网站| 99国产精品免费福利视频| 夫妻午夜视频| 免费黄频网站在线观看国产| 久久精品成人免费网站| 亚洲午夜精品一区,二区,三区| 国产av精品麻豆| 丁香六月欧美| 午夜福利视频在线观看免费| 国产麻豆69| 国产高清视频在线播放一区| 亚洲av国产av综合av卡| 久久久久网色| 黄色视频,在线免费观看| 真人做人爱边吃奶动态| 精品乱码久久久久久99久播| 高清在线国产一区| 考比视频在线观看| 在线av久久热| 女人高潮潮喷娇喘18禁视频| 热99re8久久精品国产| 黄色 视频免费看| 亚洲色图 男人天堂 中文字幕| 建设人人有责人人尽责人人享有的| 欧美在线一区亚洲| 亚洲自偷自拍图片 自拍| 90打野战视频偷拍视频| 亚洲情色 制服丝袜| 欧美激情 高清一区二区三区| 成人三级做爰电影| 亚洲第一av免费看| 精品国产一区二区久久| 成人特级黄色片久久久久久久 | 日本vs欧美在线观看视频| 男人舔女人的私密视频| 美女主播在线视频| 纯流量卡能插随身wifi吗| 制服诱惑二区| 亚洲精品国产区一区二| 中文欧美无线码| 日韩一区二区三区影片| 亚洲人成电影观看| 在线观看66精品国产| 国产男女超爽视频在线观看| 亚洲av片天天在线观看| 19禁男女啪啪无遮挡网站| 国产成人免费无遮挡视频| 美女高潮到喷水免费观看| 久久99热这里只频精品6学生| 亚洲精品美女久久久久99蜜臀| 91大片在线观看| 精品人妻在线不人妻| 国产精品免费大片| 久久狼人影院| 欧美另类亚洲清纯唯美| 精品视频人人做人人爽| av超薄肉色丝袜交足视频| 99久久99久久久精品蜜桃| 1024香蕉在线观看| 十分钟在线观看高清视频www| 久久久精品区二区三区| 国产精品.久久久| 欧美成人免费av一区二区三区 | cao死你这个sao货| 91大片在线观看| 午夜福利乱码中文字幕| 亚洲第一欧美日韩一区二区三区 | 久久国产精品大桥未久av| 亚洲色图综合在线观看| 成人亚洲精品一区在线观看| 天天躁日日躁夜夜躁夜夜| 丝袜美腿诱惑在线| 五月天丁香电影| av超薄肉色丝袜交足视频| 亚洲精品一卡2卡三卡4卡5卡| av超薄肉色丝袜交足视频| 又紧又爽又黄一区二区| 十八禁人妻一区二区| 国产一区二区三区视频了| 在线看a的网站| 欧美激情久久久久久爽电影 | tocl精华| 999久久久国产精品视频| 性少妇av在线| 国产不卡一卡二| svipshipincom国产片| 一本一本久久a久久精品综合妖精| 亚洲精品久久午夜乱码| 日韩三级视频一区二区三区| 色综合婷婷激情| 老司机影院毛片| 国产精品久久久久成人av| 高清黄色对白视频在线免费看| 亚洲专区国产一区二区| 超色免费av| 丝袜在线中文字幕| 国产成人一区二区三区免费视频网站| 嫩草影视91久久| av又黄又爽大尺度在线免费看| 国产av一区二区精品久久| 人人妻人人添人人爽欧美一区卜| 国产精品九九99| 黄色毛片三级朝国网站| 精品久久久久久久毛片微露脸| 久久精品亚洲熟妇少妇任你| 一级,二级,三级黄色视频| 美女视频免费永久观看网站| 国产精品秋霞免费鲁丝片| 十八禁高潮呻吟视频| 婷婷丁香在线五月|