Si. Y no necesariamente necesita demasiadas imágenes de la misma área.
Como lo mencionaron otros, el promedio de conjuntos es un método popular.
Sin embargo, estoy hablando de redes neuronales convolucionales (CNN). Mejorar la resolución de una imagen se llama “superresolución” en la comunidad de visión por computadora. Después del éxito de las CNN en el reconocimiento de imágenes en 2012, se han realizado muchos estudios sobre la súper resolución de imágenes y la eliminación de ruido utilizando CNN. Pruebe “redes neuronales convolucionales Y ((superresolución) OR (eliminación de ruido))” en Google Académico.
- ¿Qué es un problema algorítmico que es fácil de resolver en Haskell pero difícil de resolver en Python?
- ¿Cuál es la mejor manera de aprender estructuras de datos y cuáles son los libros para comprender esto fácilmente?
- Tengo la cadena de entrada, también tengo la cadena encriptada. ¿Cómo averiguo qué algoritmo de cifrado se utilizó?
- ¿Qué tan útil es el algoritmo genético?
- Cómo implementar un algoritmo de sincronización de reloj Berkeley en C ++
Un enfoque para realizar estas dos tareas es entrenar un auto-codificador de ruido que también haga una súper resolución. Por supuesto, necesitará un gran conjunto de datos para entrenar el modelo, que es fácil de crear para esta tarea. Básicamente, todo lo que necesita es una carga de imágenes de alta resolución, luego las muestrea y agrega ruido artificialmente, ¡tiene el conjunto de datos!
