机构名称：
¥ 2.0
抽象学习神经网络仅使用很少的可用信息是进口研究主题，具有巨大的应用潜力。在本文中，我们引入了一个强大的正规化程序，用于成像中反问题的变异建模。我们的常规器称为贴剂归一化流动器（PatchNR），涉及在很少的图像的小斑块上学习的归一化流。尤其是训练独立于考虑的逆问题，因此可以适用于在同一类图像上作用的不同远期操作员。通过研究斑块的分布与整个图像类别的分布，我们证明我们的模型确实是最大的后验方法。低剂量和限量角度计算机断层扫描（CT）以及材料图像的上溶质的数值示例表明，我们的方法提供了非常高质量的结果。该训练集仅包含六个用于CT的图像和一张用于超分辨率的图像。最后，我们将PatchNR与内部学习的想法结合在一起，直接从低分辨率观察中执行自然图像的超分辨率，而无需了解任何高分辨率图像。
机会性流体天线通过团队访问...
主要关键词
相关文件推荐
