$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: SINGLE IMAGE SUPER-RESOLUTION, A COMPARATIVE STUDY
Autor: YAN MARTINS BRAZ GUREVITZ CUNHA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  MARCO SERPA MOLINARO - ADVISOR
Nº do Conteudo: 54583
Catalogação:  09/09/2021 Idioma(s):  PORTUGUESE - BRAZIL
Tipo:  TEXT Subtipo:  SENIOR PROJECT
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54583@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54583@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.54583

Resumo:
The Single Image Super-Resolution (SISR) problem consists of trying to obtain a High-Resolution version of an image from its Low-Resolution version, a quite challenging task. Recently Neural Networks models have shown to be quite powerful in solving this problem. This project will cover a broad study of state-of-the-art solutions to this problem, and analyse in detail three of the best current models: SRResNet , EDSR and WDSR. Each of these models will go through computational tests to revalidate their performance, utilising various metrics to compare the generated images with the ground truth (High-Resolution original). We ll study the difference in architecture between the models and what causes the difference in performance.

Descrição Arquivo
COMPLETE  PDF
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui