VIP20

本课程属于：038-计算摄影原理 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

超分辨率重建与去噪算法落地

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

超分辨率与去噪的定义 · 应用场景（安防 · 医疗

课程导论超分辨率

图像退化模型

经典退化模型（模糊 · 下采样 · 噪声）

图像退化模型经典退化模型

传统插值方法

最近邻 · 双线性 · 双三次插值的原理与实现

传统插值方法最近邻

经典去噪算法（上）

均值滤波 · 高斯滤波 · 中值滤波的原理与OpenCV实现

经典去噪算法均值滤波

经典去噪算法（下）

非局部均值（NLM） · 双边滤波的原理与实战调参

经典去噪算法NLM

傅里叶变换与小波变换在去噪中的应用 · 频域滤波实战

频域方法傅里叶变换

图像质量评估

PSNR · SSIM · LPIPS的原理与计算

图像质量评估PSNR

深度学习基础回顾

CNN核心组件（卷积 · 池化 · 激活函数）

深度学习基础回顾CNN

首个深度学习超分辨率模型 · 网络结构 · 训练技巧与复现

SRCNN首个深度学习超分…

加速与实时超分辨率 · 亚像素卷积与转置卷积详解

残差学习与递归学习在超分中的应用 · 梯度消失问题解决

增强深度超分网络 · 多尺度超分与模型缩放技巧

通道注意力机制 · 残差通道注意力网络详解与代码实战

RCAN通道注意力机制

二阶注意力与高阶注意力 · 注意力机制在超分中的演进

GAN-based超分（SRGAN）

感知损失与对抗训练 · 生成逼真纹理

ESRGAN与Real-ESRGAN

改进的GAN超分 · 面向真实退化场景的盲超分

ESRGANReal-ESRGAN

基于Swin Transformer… · 窗口注意力机制详解

混合注意力Transformer与可…

扩散模型超分（SR3与ResShift）

去噪扩散概率模型在超分中的前沿应用

经典去噪网络（DnCNN与FFDNet）

残差学习与噪声水平图 · 盲去噪实战

CBDNet与RIDNet

真实噪声建模与盲去噪网络 · 面向真实场景的去噪

NAFNet与Restormer

简单高效的基线网络与Transfor…

NAFNetRestormer

视频超分辨率

VSR基础（光流对齐 · 时间融合） · BasicVSR与IconVSR

视频超分辨率VSR

真实世界超分

数据合成策略（BSRGAN · RealESRGAN的降级管道） · 盲超分实战

真实世界超分BSRGAN

模型轻量化

知识蒸馏 · 模型剪枝 · 量化部署（ONNX/TensorRT…

模型轻量化知识蒸馏

模型部署实战

从PyTorch到ONNX再到Ten… · C++/Python推理接口封装

模型部署实战PyTorch

数据集构建

DIV2K · Flickr2K · RealSR等数据集介绍

数据集构建DIV2K

训练技巧与调参

学习率策略 · 损失函数组合（L1 · L2

训练技巧调参

项目实战（一）

构建一个面向手机摄影的去噪与超分一体…

项目实战构建一个面向手机…

项目实战（二）

端到端落地部署 · 性能优化与效果调优 · 课程总结与未来展望

项目实战端到端落地部署