• <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
    国产淫片久久久久久久久| 国产在视频线在精品| 天堂√8在线中文| av中文乱码字幕在线| 国产精品久久久久久久电影| 久久精品国产亚洲av涩爱 | 精品一区二区免费观看| 在线观看免费视频日本深夜| 色尼玛亚洲综合影院| 成人特级av手机在线观看| 永久网站在线| 成人特级黄色片久久久久久久| 国产成人一区二区在线| 成人精品一区二区免费| 成年免费大片在线观看| 校园人妻丝袜中文字幕| 少妇被粗大猛烈的视频| 国产高潮美女av| 人人妻人人看人人澡| 欧美成人精品欧美一级黄| 免费搜索国产男女视频| 久久久久久大精品| 国产一区二区在线观看日韩| 亚洲色图av天堂| 麻豆国产av国片精品| 淫秽高清视频在线观看| 美女黄网站色视频| 国产蜜桃级精品一区二区三区| avwww免费| 欧美不卡视频在线免费观看| 麻豆一二三区av精品| 亚洲三级黄色毛片| 国产 一区 欧美 日韩| 亚洲欧美日韩高清专用| 一夜夜www| 天堂√8在线中文| 变态另类丝袜制服| 偷拍熟女少妇极品色| 中国国产av一级| 俄罗斯特黄特色一大片| 深爱激情五月婷婷| 欧美性猛交黑人性爽| 欧美zozozo另类| 最后的刺客免费高清国语| 一夜夜www| 欧美日韩乱码在线| 亚洲婷婷狠狠爱综合网| 久久人人爽人人爽人人片va| 国产男人的电影天堂91| 久久这里只有精品中国| 欧美日本亚洲视频在线播放| 国产精品久久久久久亚洲av鲁大| 99久久久亚洲精品蜜臀av| 亚洲欧美日韩东京热| 国产成人freesex在线 | 黄片wwwwww| 男女做爰动态图高潮gif福利片| 亚洲自偷自拍三级| 噜噜噜噜噜久久久久久91| 淫秽高清视频在线观看| 99久久中文字幕三级久久日本| 婷婷六月久久综合丁香| 2021天堂中文幕一二区在线观| 国产乱人视频| 日韩一本色道免费dvd| 男人舔奶头视频| 寂寞人妻少妇视频99o| 日本黄大片高清| 日本免费一区二区三区高清不卡| 亚洲国产高清在线一区二区三| 三级男女做爰猛烈吃奶摸视频| 欧美不卡视频在线免费观看| 久久久久国产网址| 不卡视频在线观看欧美| 成人亚洲欧美一区二区av| 人人妻人人澡人人爽人人夜夜 | 国产精品一区www在线观看| 国模一区二区三区四区视频| 亚洲性夜色夜夜综合| 长腿黑丝高跟| 在线免费观看的www视频| 久久99热这里只有精品18| 亚洲av成人av| 九色成人免费人妻av| 天堂√8在线中文| 免费电影在线观看免费观看| 菩萨蛮人人尽说江南好唐韦庄 | 欧美一区二区亚洲| 午夜影院日韩av| 无遮挡黄片免费观看| 男女啪啪激烈高潮av片| 男女啪啪激烈高潮av片| 亚洲av中文av极速乱| 嫩草影视91久久| av天堂在线播放| 寂寞人妻少妇视频99o| 国产熟女欧美一区二区| h日本视频在线播放| 插逼视频在线观看| 欧美日韩一区二区视频在线观看视频在线 | 最后的刺客免费高清国语| 女生性感内裤真人,穿戴方法视频| 亚洲内射少妇av| 久久久久久久午夜电影| 99九九线精品视频在线观看视频| av免费在线看不卡| 少妇丰满av| 亚洲精品成人久久久久久| 日韩一本色道免费dvd| 国产午夜精品久久久久久一区二区三区 | 欧美高清性xxxxhd video| 干丝袜人妻中文字幕| 成人亚洲精品av一区二区| 18禁在线播放成人免费| 色哟哟·www| 亚洲最大成人av| 国产成人a∨麻豆精品| 国产高清有码在线观看视频| 欧美性感艳星| 久久精品综合一区二区三区| 少妇的逼好多水| 免费电影在线观看免费观看| 日韩制服骚丝袜av| 久久精品久久久久久噜噜老黄 | 欧美色欧美亚洲另类二区| 老司机午夜福利在线观看视频| 国产精品嫩草影院av在线观看| 免费搜索国产男女视频| 久久6这里有精品| 毛片一级片免费看久久久久| 亚洲av熟女| 天美传媒精品一区二区| 亚洲精品粉嫩美女一区| 亚洲18禁久久av| 最好的美女福利视频网| 1000部很黄的大片| 22中文网久久字幕| 久久热精品热| 日本与韩国留学比较| 又粗又爽又猛毛片免费看| av福利片在线观看| 欧美不卡视频在线免费观看| 日日摸夜夜添夜夜添小说| 欧美高清性xxxxhd video| 成年女人毛片免费观看观看9| 午夜精品在线福利| 给我免费播放毛片高清在线观看| 性插视频无遮挡在线免费观看| 69人妻影院| 欧美性猛交╳xxx乱大交人| 天堂√8在线中文| 午夜亚洲福利在线播放| 久久久色成人| 免费看日本二区| 国产av一区在线观看免费| 一级av片app| 国产精品伦人一区二区| 夜夜夜夜夜久久久久| 成人鲁丝片一二三区免费| 亚洲图色成人| 欧美高清性xxxxhd video| 国产单亲对白刺激| 99热6这里只有精品| 国产视频内射| 免费黄网站久久成人精品| 精品久久久噜噜| 成人一区二区视频在线观看| 国产探花极品一区二区| 悠悠久久av| 久久99热这里只有精品18| 亚洲最大成人av| 久久6这里有精品| 国产亚洲欧美98| 看片在线看免费视频| 色综合色国产| 91午夜精品亚洲一区二区三区| 自拍偷自拍亚洲精品老妇| 97人妻精品一区二区三区麻豆| 久久中文看片网| 女生性感内裤真人,穿戴方法视频| 日本a在线网址| 亚洲最大成人手机在线| 人妻久久中文字幕网| 精品久久久久久成人av| 最近最新中文字幕大全电影3| 看片在线看免费视频| 国产伦精品一区二区三区四那| 精品一区二区三区av网在线观看| 人人妻人人看人人澡| 亚洲经典国产精华液单| 亚洲精品日韩在线中文字幕 | 搡老熟女国产l中国老女人| av福利片在线观看| 亚洲成人久久性| 搡老岳熟女国产| 草草在线视频免费看| 国产精品av视频在线免费观看| 色在线成人网| 国产精品一及| 日日干狠狠操夜夜爽| 毛片女人毛片| 老司机福利观看| 精品久久久久久久人妻蜜臀av| 九九在线视频观看精品| 欧美区成人在线视频| 1000部很黄的大片| 亚洲精品亚洲一区二区| 蜜臀久久99精品久久宅男| 午夜福利18| 国产伦精品一区二区三区视频9| 国国产精品蜜臀av免费| 夜夜爽天天搞| 欧美最新免费一区二区三区| 我的老师免费观看完整版| 亚洲自拍偷在线| 91麻豆精品激情在线观看国产| 亚洲熟妇熟女久久| а√天堂www在线а√下载| 午夜老司机福利剧场| 日韩欧美精品免费久久| 国产麻豆成人av免费视频| 校园春色视频在线观看| 91在线观看av| 亚洲第一区二区三区不卡| 国产 一区精品| 麻豆国产97在线/欧美| 狂野欧美激情性xxxx在线观看| 一级毛片久久久久久久久女| 嫩草影院入口| 精品一区二区三区视频在线| 久久99热6这里只有精品| 精品99又大又爽又粗少妇毛片| 成人精品一区二区免费| 免费观看在线日韩| 日韩欧美精品v在线| 一进一出好大好爽视频| 成年女人永久免费观看视频| 成人午夜高清在线视频| 一本久久中文字幕| 国产精品一二三区在线看| 高清毛片免费看| 色5月婷婷丁香| 成人av一区二区三区在线看| 在线观看一区二区三区| 乱人视频在线观看| 成人性生交大片免费视频hd| 中文字幕久久专区| 久久久欧美国产精品| 小说图片视频综合网站| 国产爱豆传媒在线观看| 欧美日韩精品成人综合77777| 十八禁网站免费在线| 少妇裸体淫交视频免费看高清| 99riav亚洲国产免费| 久久久久性生活片| 国产在视频线在精品| 欧美人与善性xxx| 亚洲一区二区三区色噜噜| 亚洲国产精品sss在线观看| 97在线视频观看| 高清毛片免费观看视频网站| 中出人妻视频一区二区| 亚洲成av人片在线播放无| 亚洲电影在线观看av| 亚洲成人精品中文字幕电影| 亚洲av免费在线观看| 俄罗斯特黄特色一大片| 亚洲精品国产av成人精品 | 国产伦在线观看视频一区| 成年女人看的毛片在线观看| 男女下面进入的视频免费午夜| 久久综合国产亚洲精品| 中文字幕精品亚洲无线码一区| 国产激情偷乱视频一区二区| 久久久久久九九精品二区国产| 女生性感内裤真人,穿戴方法视频| 免费人成视频x8x8入口观看| 又爽又黄a免费视频| 国产毛片a区久久久久| 日日撸夜夜添| 亚洲熟妇熟女久久| 岛国在线免费视频观看| av女优亚洲男人天堂| 特大巨黑吊av在线直播| 天堂av国产一区二区熟女人妻| 三级经典国产精品| 我的老师免费观看完整版| avwww免费| 搡老妇女老女人老熟妇| 成人性生交大片免费视频hd| 久久久久精品国产欧美久久久| 91在线观看av| av天堂中文字幕网| 美女大奶头视频| 菩萨蛮人人尽说江南好唐韦庄 | 日本撒尿小便嘘嘘汇集6| 日日摸夜夜添夜夜添av毛片| 亚洲真实伦在线观看| 午夜亚洲福利在线播放| 亚洲精品乱码久久久v下载方式| 波多野结衣巨乳人妻| 日韩一本色道免费dvd| 搡女人真爽免费视频火全软件 | 久久国内精品自在自线图片| 女的被弄到高潮叫床怎么办| 亚洲av中文字字幕乱码综合| 久久精品人妻少妇| 色哟哟·www| 成人av在线播放网站| 久久久久久久亚洲中文字幕| 久久久久国产精品人妻aⅴ院| 精品人妻视频免费看| 听说在线观看完整版免费高清| 99在线视频只有这里精品首页| av在线老鸭窝| 成人亚洲欧美一区二区av| 国产伦精品一区二区三区视频9| 天美传媒精品一区二区| 一级av片app| 亚洲成av人片在线播放无| 中文字幕av成人在线电影| 久久人人爽人人爽人人片va| 日本一二三区视频观看| 国产aⅴ精品一区二区三区波| 一个人看的www免费观看视频| 婷婷色综合大香蕉| 一个人免费在线观看电影| 中文字幕熟女人妻在线| 性色avwww在线观看| 久久人妻av系列| 亚洲中文字幕一区二区三区有码在线看| 亚洲自偷自拍三级| 久99久视频精品免费| 精品国内亚洲2022精品成人| 日韩欧美 国产精品| 床上黄色一级片| 国产精品美女特级片免费视频播放器| 美女被艹到高潮喷水动态| 国产成人精品久久久久久| 天堂动漫精品| 可以在线观看的亚洲视频| 国产av麻豆久久久久久久| 成人av一区二区三区在线看| 国产一区二区在线av高清观看| 亚洲欧美中文字幕日韩二区| 国产大屁股一区二区在线视频| 精品国内亚洲2022精品成人| 99久久久亚洲精品蜜臀av| 国产男靠女视频免费网站| 亚洲国产欧洲综合997久久,| 国产亚洲精品久久久com| 国产高清三级在线| 人妻夜夜爽99麻豆av| 久久久久久国产a免费观看| 99热6这里只有精品| 成人永久免费在线观看视频| 深夜a级毛片| 少妇裸体淫交视频免费看高清| 久久久国产成人精品二区| 国内精品一区二区在线观看| 男女做爰动态图高潮gif福利片| 最后的刺客免费高清国语| 99热这里只有是精品50| 成人av一区二区三区在线看| 亚洲精品粉嫩美女一区| 久久久久性生活片| 国产成人freesex在线 | 春色校园在线视频观看| 国产色婷婷99| 亚洲乱码一区二区免费版| 日韩成人av中文字幕在线观看 | 亚洲精品一区av在线观看| 久久综合国产亚洲精品| 特大巨黑吊av在线直播| 中文亚洲av片在线观看爽| 五月玫瑰六月丁香| 久久99热6这里只有精品| 人人妻人人澡人人爽人人夜夜 | 国产精品人妻久久久影院| 久久久色成人| 亚洲,欧美,日韩| 久久亚洲精品不卡| 简卡轻食公司| 国产伦一二天堂av在线观看| 国内揄拍国产精品人妻在线| 精品欧美国产一区二区三| 日韩在线高清观看一区二区三区| 久久这里只有精品中国| 亚洲人成网站在线播放欧美日韩| 亚洲成人久久性| 校园人妻丝袜中文字幕| 丝袜喷水一区| 蜜臀久久99精品久久宅男| 嫩草影院新地址| 最近最新中文字幕大全电影3| 亚洲第一区二区三区不卡| 97在线视频观看| 成人二区视频| 国产精品久久久久久久电影| 亚州av有码| 可以在线观看的亚洲视频| 免费av观看视频| 男女下面进入的视频免费午夜| 1024手机看黄色片| 搞女人的毛片| 亚洲内射少妇av| 女人被狂操c到高潮| h日本视频在线播放| 波多野结衣高清作品| 少妇人妻精品综合一区二区 | 免费搜索国产男女视频| 亚洲国产精品国产精品| 悠悠久久av| 最近视频中文字幕2019在线8| 亚洲av电影不卡..在线观看| 欧美日韩一区二区视频在线观看视频在线 | 色综合亚洲欧美另类图片| 国产片特级美女逼逼视频| 亚洲无线观看免费| av国产免费在线观看| 日韩欧美精品免费久久| 天堂av国产一区二区熟女人妻| 搡老岳熟女国产| 国产人妻一区二区三区在| 国内精品一区二区在线观看| 在线免费观看的www视频| 日本撒尿小便嘘嘘汇集6| 欧美日韩综合久久久久久| 国产一区二区三区在线臀色熟女| 国产91av在线免费观看| 国产爱豆传媒在线观看| 亚洲欧美清纯卡通| 少妇的逼水好多| 国产高清激情床上av| 51国产日韩欧美| 欧美不卡视频在线免费观看| 国产精品人妻久久久影院| 欧美3d第一页| 91久久精品电影网| 最近中文字幕高清免费大全6| 乱码一卡2卡4卡精品| 亚洲欧美日韩无卡精品| av天堂在线播放| 久久精品国产清高在天天线| 免费在线观看成人毛片| 久久久久国产网址| 亚洲内射少妇av| 成人亚洲精品av一区二区| 免费在线观看影片大全网站| 日韩成人av中文字幕在线观看 | 男人舔奶头视频| 老司机影院成人| 国产精品1区2区在线观看.| 色综合站精品国产| 成年av动漫网址| 国产高潮美女av| 欧美激情在线99| 青春草视频在线免费观看| 久久国产乱子免费精品| 久久九九热精品免费| 熟妇人妻久久中文字幕3abv| 亚洲一级一片aⅴ在线观看| 啦啦啦啦在线视频资源| 日本-黄色视频高清免费观看| 久久久精品欧美日韩精品| 尤物成人国产欧美一区二区三区| 神马国产精品三级电影在线观看| 男插女下体视频免费在线播放| 国产在线男女| 草草在线视频免费看| 国产中年淑女户外野战色| 欧美最新免费一区二区三区| 男女边吃奶边做爰视频| 亚洲不卡免费看| 日韩一本色道免费dvd| 欧美成人a在线观看| 国产av麻豆久久久久久久| 最新中文字幕久久久久| 国产精品一区www在线观看| 黄色配什么色好看| 亚洲内射少妇av| 国产91av在线免费观看| 99国产极品粉嫩在线观看| 久久九九热精品免费| 女同久久另类99精品国产91| 亚洲精品日韩av片在线观看| 最后的刺客免费高清国语| 特级一级黄色大片| 天堂√8在线中文| 久久精品国产亚洲av天美| 日产精品乱码卡一卡2卡三| 99久国产av精品国产电影| 网址你懂的国产日韩在线| 日日干狠狠操夜夜爽| 亚洲成av人片在线播放无| 亚洲熟妇熟女久久| 久久久a久久爽久久v久久| 色综合亚洲欧美另类图片| 亚洲久久久久久中文字幕| 国产精品无大码| 非洲黑人性xxxx精品又粗又长| 身体一侧抽搐| 一本久久中文字幕| 伦理电影大哥的女人| 国产精品女同一区二区软件| 亚洲欧美日韩高清在线视频| 男女做爰动态图高潮gif福利片| 国产精品久久久久久久久免| 男人舔奶头视频| 精品欧美国产一区二区三| 成人亚洲欧美一区二区av| 久久韩国三级中文字幕| 国产精品99久久久久久久久| 欧美性猛交╳xxx乱大交人| 欧美最黄视频在线播放免费| 91麻豆精品激情在线观看国产| 免费看av在线观看网站| 1000部很黄的大片| 春色校园在线视频观看| 一级黄色大片毛片| 免费搜索国产男女视频| 欧美+日韩+精品| 中文字幕熟女人妻在线| 国产av麻豆久久久久久久| 黑人高潮一二区| 在线播放国产精品三级| 精品国产三级普通话版| 成年女人毛片免费观看观看9| 国产av在哪里看| 99热全是精品| 中文字幕av成人在线电影| 国产精品嫩草影院av在线观看| 精品不卡国产一区二区三区| 男女视频在线观看网站免费| 免费av观看视频| 哪里可以看免费的av片| 天堂网av新在线| 国产男人的电影天堂91| 国产成人a区在线观看| 久久精品国产亚洲av香蕉五月| 91精品国产九色| 欧美又色又爽又黄视频| 国产欧美日韩一区二区精品| 亚洲欧美精品自产自拍| 亚洲av免费高清在线观看| 亚洲欧美精品自产自拍| 欧美成人一区二区免费高清观看| 又黄又爽又免费观看的视频| 最近中文字幕高清免费大全6| 搡老熟女国产l中国老女人| 欧美一区二区国产精品久久精品| 成人综合一区亚洲| 国产成年人精品一区二区| av在线老鸭窝| 波多野结衣高清作品| 国内精品久久久久精免费| 国产精品一区二区三区四区久久| 99热这里只有是精品50| 日韩欧美三级三区| 国产大屁股一区二区在线视频| 婷婷六月久久综合丁香| 蜜桃久久精品国产亚洲av| 一区福利在线观看| 亚洲av不卡在线观看| 亚洲国产精品sss在线观看| 欧美3d第一页| 成人三级黄色视频| 国产单亲对白刺激| 97人妻精品一区二区三区麻豆| 免费看av在线观看网站| 亚洲欧美日韩无卡精品| 成人鲁丝片一二三区免费| 午夜影院日韩av| 免费看av在线观看网站| 精品人妻视频免费看| 欧美中文日本在线观看视频| 国产一区二区三区av在线 | 亚洲七黄色美女视频| 成人高潮视频无遮挡免费网站| 两个人视频免费观看高清| 久久鲁丝午夜福利片| 国产高清有码在线观看视频| 久久久久国产网址| 一个人观看的视频www高清免费观看| 久久久久国产网址| 亚洲av熟女| h日本视频在线播放| 免费观看的影片在线观看| 国产乱人视频| 美女高潮的动态| 在线观看一区二区三区| 尤物成人国产欧美一区二区三区| 丰满的人妻完整版| 老女人水多毛片| 亚洲18禁久久av| av专区在线播放| a级毛片a级免费在线| 免费av观看视频| 日韩欧美免费精品| 久久鲁丝午夜福利片| 性插视频无遮挡在线免费观看| 女同久久另类99精品国产91| 男插女下体视频免费在线播放| 国产精品一区二区性色av| 国产美女午夜福利| 国产精品无大码| 蜜桃久久精品国产亚洲av| 国产私拍福利视频在线观看| 人妻丰满熟妇av一区二区三区| 有码 亚洲区| 亚洲国产日韩欧美精品在线观看| 18禁在线播放成人免费| 免费看光身美女| 六月丁香七月| 国产成人精品久久久久久|