卷积神经网络超分辨率重建算法的改进与并行优化
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-24页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.3 论文的研究内容与章节安排 | 第22-24页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 章节安排 | 第23-24页 |
| 第二章 超分辨率相关理论与技术基础 | 第24-46页 |
| 2.1 图像超分辨率重建理论 | 第24-34页 |
| 2.1.1 基于插值的方法 | 第24-26页 |
| 2.1.2 基于重建的方法 | 第26-28页 |
| 2.1.3 基于学习的方法 | 第28-33页 |
| 2.1.4 基于深度学习的方法 | 第33-34页 |
| 2.2 CUDA并行计算和编程模型 | 第34-42页 |
| 2.2.1 CPU架构 | 第34-35页 |
| 2.2.2 GPU和CUDA模型 | 第35-39页 |
| 2.2.3 CUDA平台 | 第39-40页 |
| 2.2.4 CUDA优化 | 第40-42页 |
| 2.3 图像质量评价标准 | 第42-44页 |
| 2.4 本章小结 | 第44-46页 |
| 第三章 卷积神经网络超分辨率重建算法分析与优化 | 第46-74页 |
| 3.1 算法的分析与优化 | 第46-47页 |
| 3.2 算法基础理论 | 第47-50页 |
| 3.3 网络结构优化 | 第50-53页 |
| 3.4 训练集对重建质量的影响与结果展示 | 第53-62页 |
| 3.5 图像分块重建优化 | 第62-69页 |
| 3.5.1 图像分块重建导航实验 | 第63-64页 |
| 3.5.2 图像分块重建算法 | 第64-69页 |
| 3.6 帧间差值信息用于后帧重建的探索研究 | 第69-72页 |
| 3.7 本章小结 | 第72-74页 |
| 第四章 改进卷积神经网络算法的CUDA设计与优化 | 第74-86页 |
| 4.1 算法的CUDA设计 | 第74-78页 |
| 4.1.1 图像卷积算法的CUDA设计 | 第75-77页 |
| 4.1.2 网络各层的CUDA设计 | 第77-78页 |
| 4.2 算法的并行优化 | 第78-81页 |
| 4.2.1 CUDA优化 | 第78-79页 |
| 4.2.2 线程计算优化 | 第79页 |
| 4.2.3 乘法运算优化及结果 | 第79-80页 |
| 4.2.4 其他优化 | 第80-81页 |
| 4.3 实验验证及结果分析 | 第81-84页 |
| 4.4 本章小结 | 第84-86页 |
| 第五章 总结与展望 | 第86-88页 |
| 5.1 工作总结 | 第86-87页 |
| 5.2 工作展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-94页 |
| 作者简介 | 第94-95页 |
