Impact of loss function on multi-frame super-resolution

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F21%3APU140865" target="_blank" >RIV/00216305:26220/21:PU140865 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2021_sbornik_1.pdf" target="_blank" >https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2021_sbornik_1.pdf</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Impact of loss function on multi-frame super-resolution
Popis výsledku v původním jazyce
Nowadays, one of the most popular topics in image processing is super-resolution. This problem is getting more actual even in security, since monitoring cameras are everywhere and in the 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 focus of this work is to analyze, which loss function for neural networks is more effective for real-world image reconstruction. For this experiment chosen architecture and dataset are used for multi-frame super-resolution for 8 scaling.
Název v anglickém jazyce
Impact of loss function on multi-frame super-resolution
Popis výsledku anglicky
Nowadays, one of the most popular topics in image processing is super-resolution. This problem is getting more actual even in security, since monitoring cameras are everywhere and in the 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 focus of this work is to analyze, which loss function for neural networks is more effective for real-world image reconstruction. For this experiment chosen architecture and dataset are used for multi-frame super-resolution for 8 scaling.

Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku
Proceedings I of the 27th Conference STUDENT EEICT 2021: General papers
ISBN
978-80-214-5942-7
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
601-605
Název nakladatele
Brno University of Technology, Faculty of Electrical Engineering and Communication
Místo vydání
Brno
Místo konání akce
Brno
Datum konání akce
27. 4. 2021
Typ akce podle státní příslušnosti
CST - Celostátní akce
Kód UT WoS článku
—

Podobné výsledky(10)