Reconstruction dense via des convolutions trouées
Résumé
La reconstruction d'images est un sujet bien étudié notamment via des méthodes de deep learning. Cependant, la plupart des approches ap-prennent leur réseau de reconstruction en présentant une image troué en entrée et l'image d'origine en sortie. Ainsi, le passage de l'image dans le réseau ne sera utilisé que pour actualiser le réseau à la lumière de sa performance sur une toute petite zone. À l'inverse, on propose ici une as-tuce dite de convolution trouée permettant d'apprendre le réseau comme pour de l'auto encodage (l'entrée est l'image la sortie aussi) tout en ac-tualisation le réseau à la lumière de sa performance sur l'ensemble de la zone.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...