[1] |
Tesseract OCR,网址:https://github.com/tesseract-ocr/tesseract网站, 2022.,
|
[2] |
N.Adaloglou,《理解深卷积网络的感受野》,网址:https://theaisummer.com/receptive-field网址/, 2020.
|
[3] |
J.阿德勒和O.Øktem学习的原-对偶重建,IEEE传输。医学图像。,37(2018), 1322-1332. 数字对象标识:10.1109/TMI.2018.2799231。
|
[4] |
香港阿加瓦尔, M.P.Mani先生和M.雅各布,MoDL:基于模型的反问题深度学习体系结构,IEEE传输。医学图像。,38(2018), 394-405. 数字对象标识:10.1109/TMI.2018.2865356。
|
[5] |
J.R.Alvim、K.N.Filho、M.L.B.Junior、R.D.B.Brotto、R.da Rocha Lopes、T.A.P.P.Teixeira和V.C.Lima,圣保罗集团HDC提交文件,网址:https://github.com/vclima/deblur_submit网站, 2021.
|
[6] |
J.M.M.Anderson,使用延迟和算法重建的基于脉冲的前瞻性探地雷达图像的去模糊算法,InIEEE雷达会议(RadarConf18), 2018, 1377-1382.数字对象标识:10.1109/RADAR.2018.8378765。
|
[7] |
S.Arridge公司, P.马斯, O.Øktem和C.-B.舍恩利布,使用数据驱动模型解决反问题,数字学报,28(2019), 1-174. 数字对象标识:10.1017/S096249291900059。
|
[8] |
Y.Bahat、N.Efrat和M.Irani,通过再模糊进行非均匀盲去模糊,InIEEE国际计算机视觉会议(ICCV), 2017, 3306-3314.数字对象标识:10.1109/ICCV.2017.356。
|
[9] |
B.Bascle、A.Blake和A.Zisserman,从图像序列中去除运动模糊和超分辨率,In计算机科学课堂讲稿施普林格-柏林-海德堡出版社,1996571-582。数字对象标识:10.1007/3-540-61123-1_171。
|
[10] |
J.M.Bioucas-Dias、M.A.T.Figueiredo和J.P.Oliveira,基于总变量的图像反褶积:优化-最小化方法,InIEEE国际声学会议语音和信号处理会议记录, 2006.
|
[11] |
D.C.布朗、透镜的偏心畸变,摄影测量工程,32(1966), 444-462.
|
[12] |
A.气囊, 南部Gondrom, 迈斯尔先生, N.乌尔曼和W.阿诺德,由于内部安装处的康普顿散射,平板探测器中的图像模糊,测量科学与技术,18(2007), 1270-1277. 数字对象标识:10.1088/0957-0233/18/5/013.
|
[13] |
W.Demtröder,电动力学和光学,施普林格商学院,2019年。
|
[14] |
G.W.唐纳德, L.斯奈德和M.W.Vanner先生,通过迭代去模糊进行局部计算机断层扫描,正在扫描,18(1996), 582-588. 数字对象标识:10.1002/sca.4950180808。
|
[15] |
A.W.Fitzgibbon,多视角几何和镜头失真的同时线性估计,InIEEE计算机学会计算机视觉和模式识别会议(CVPR), 2001.数字对象标识:10.1109/CVPR.2001.990465。
|
[16] |
H.Gao,X.Tao,X.Shen和J.Jia,使用参数选择性共享和嵌套跳过连接的动态场景去模糊,InIEEE/CVF计算机视觉和模式识别会议(CVPR), 2019.数字对象标识:10.1109/CVPR.2019.00397。
|
[17] |
M.Genzel、I.Gühring、J.Macdonald和M.März,通过深度学习实现层析成像逆问题的近精确恢复,In K.Chaudhuri、S.Jegelka、L.Song、C.Szepesvari、G.Niu和S.Sabato,编辑,第39届国际机器学习会议(ICML)会议记录, 2022, 7368-7381.
|
[18] |
M.Genzel、J.Macdonald和M.März,用深度神经网络解决反问题-包括鲁棒性?,IEEE传输。模式分析。机器。因特尔。, 2022.数字对象标识:10.1109/TPAMI.2022.3148324。
|
[19] |
I.古德费罗, J.Pouget-Abadie公司, 米尔扎, B.徐, D.沃德·法利, S.Ozair公司, A.库尔维尔和Y.本吉奥、生成性对抗网络、,ACM通信,63(2020), 139-144. 数字对象标识:10.1145/3422622.
|
[20] |
K.Gregor和Y.LeCun。,学习稀疏编码的快速近似,In第27届国际机器学习会议(ICML)会议记录, 2010,399-406.
|
[21] |
K.哈默尼克, J.Schlember(施莱默), C.秦, J.段, R.M.萨默斯和D.鲁克特迭代深度神经网络用于灵敏度加权线圈组合的快速并行mri重建的系统评估,Magn.公司。Reson公司。医学。,86(2021), 1859-1872. 数字对象标识:10.1002/mrm.28827。
|
[22] |
P.C.Hansen、J.G.Nagy和D.P.O'Leary,消除图像模糊工业和应用数学学会(SIAM),2006年。数字对象标识:10.1137/1.9780898718874。
|
[23] |
G.Hinton、O.Vinyals和J.Dean,《在神经网络中提取知识》,预印本,arXiv公司:1503.02531, 2015.
|
[24] |
D.P.Kingma和J.L.Ba,Adam:随机优化方法,预印本,arXiv:1412.6980, 2014.
|
[25] |
D.P.Kingma和M.Welling,自动编码变分贝叶斯,预打印,arXiv:1312.6114, 2013.
|
[26] |
M.Knudsen、F.L.-S.Pedersen和K.Scheel,DTU group 1提交的HDC,网址:https://github.com/KennethScheel/HDC_2021_team_DTU_1, 2021.
|
[27] |
O.Kupyn、V.Budzan、M.Mykhailych、D.Mishkin和J.Matas,《Deblurgan:使用条件对抗网络的盲运动去模糊》,InIEEE/CVF国际计算机视觉和模式识别会议(CVPR), 2018.数字对象标识:10.1109/CVPR.2018.00854。
|
[28] |
O.Kupyn、T.Martyniuk、J.Wu和Z.Wang,Deblurgan-v2:更快更好地消除模糊(数量级),InIEEE/CVF国际计算机视觉会议(ICCV), 2019, 8877-8886.数字对象标识:10.1109/ICCV.2019.00897。
|
[29] |
V.I.列文斯坦,能够纠正删除、插入和反转的二进制代码,苏联物理学杜克拉迪,10(1966), 707-710.
|
[30] |
A.Levin、Y.Weiss、F.Durand和W.T.Freeman,理解和评估盲反褶积算法,InIEEE计算机视觉和模式识别会议(CVPR), 2009, 1964-1971.数字对象标识:10.1109/CVPR.2009.5206815。
|
[31] |
J.李, Z.刘和姚毅(Y.Yao)、成像传感器的散焦模糊检测和估计,传感器,18(2018),1135数字对象标识:10.3390/s18041135。
|
[32] |
V.蒙加, Y.Li(李彦宏)和Y.C.埃尔达尔算法展开:信号和图像处理的可解释、高效的深度学习,IEEE信号处理。美格。,38(2021), 18-44. 数字对象标识:10.1109/MSP.2020.3016905。
|
[33] |
S.Nah,T.H.Kim和K.M.Lee,用于动态场景去模糊的深度多尺度卷积神经网络,InIEEE计算机视觉和模式识别会议(CVPR), 2017.数字对象标识:10.1109/CVPR.2017.35。
|
[34] |
A.Ng,与Andrew就MLOps聊天:从以模型为中心到以数据为中心的人工智能,网址:https://youtu.be/06-AZXmwHjo, 2021.
|
[35] |
S.I.Nikolenko,用于深度学习的合成数据,预打印,arXiv:1909.11512年, 2019.数字对象标识:10.1007/978-3-030-75178-4.
|
[36] |
T.M.Nimisha、A.K.Singh和A.N.Rajagopalan,《盲去模糊的模糊不变深度学习》,InIEEE国际计算机视觉会议(ICCV), 2017, 4762-4770.数字对象标识:10.1109/ICCV.2017.509。
|
[37] |
G.昂吉, A.贾拉尔, C.A.梅茨勒, R.G.巴拉纽克, A.G.迪马基斯和R.威利特成像反问题的深度学习技术,IEEE信息理论选定领域杂志,1(2020), 39-56. 数字对象标识:10.1109/j等待.2020.2991563。
|
[38] |
A.Paszke、S.Gross、S.Chintala、G.Chanan、E.Yang、Z.DeVito、Z.Lin、A.Desmaison、L.Antiga和A.Lerer,《PyTorch中的自动区分》,对NIPS 2017 Autodiff研讨会的贡献,在线提供:https://openreview.net/forum?id=BJJsrmfCZ, 2017.
|
[39] |
F.H.Pedersen、M.E.Dahlgaard、M.T.R.Henriksen和R.O.Ochoa,DTU第2组提交的HDC,https://github.com/raulorteg/HDC2021_Team_DTU, 2021.
|
[40] |
D.M.Pelt,莱顿大学集团提交的HDC,URL:https://github.com/dmpelt/hdc2021_pelt, 2021.
|
[41] |
O.Ronneberger,P.Fischer和T.Brox,U-net:生物医学图像分割的卷积网络,In医学图像计算和计算机辅助干预国际会议(MICCAI),施普林格,2015234-241。数字对象标识:10.1007/978-3-319-24574-4_28.
|
[42] |
G.Ros、L.Sellart、J.Materzynska、D.Vazquez和A.M.Lopez,合成数据集:用于城市场景语义分割的大量合成图像集合,InIEEE计算机视觉和模式识别会议(CVPR), 2016.数字对象标识:10.1109/CVPR.2016.352。
|
[43] |
L.I.鲁丁, S.Osher公司和E.法特米、基于非线性全变分的噪声去除算法,物理D:非线性现象,60(1992), 259-268. 数字对象标识:2016年10月17日-2789(92)90242-F。
|
[44] |
C.J.舒勒, M.赫希, S.哈梅林和B.肖尔科夫学习去模糊,IEEE传输。模式分析。机器。因特尔。,38(2015), 1439-1451. 数字对象标识:10.1109/TPAMI.2015.2481418。
|
[45] |
S.Siltanen、M.Juvonen和F.Moura,赫尔辛基德布尔挑战2021,URL:https://www.aapm.org/GrandChallenge/DL-sparse-view-CT/, 2021.
|
[46] |
S.Siltanen、M.Juvonen和F.Moura,2021年赫尔辛基德布尔挑战赛-结果,URL:https://zenodo.org/record/4916176, 2021.
|
[47] |
S.Siltanen、M.Juvonen和F.Moura,2021年赫尔辛基德布尔挑战赛-结果,URL:https://www.fips.fi/HDC结果.php#anchor1, 2021.
|
[48] |
X.Tao,H.Gao,X.Shen,J.Wang和J.Jia,深度图像去模糊的尺度递归网络,InIEEE/CVF计算机视觉和模式识别会议(CVPR), 2018.数字对象标识:10.1109/CVPR.2018.00853。
|
[49] |
A.N.Tikhonov和V.Y.Arsenin,不适定问题的解决方案,威利,1977年。
|
[50] |
T.Trippe、M.Genzel、M.März和J.Macdonald,TU Berlin Group提交的HDC,URL:https://github.com/theophil-trippe/HDC_TUBerlin_version_1,2021年。
|
[51] |
A.王, T.邱和L·邵,一种简单的径向畸变校正方法,带有畸变中心估计,数学成像与视觉杂志,35(2009), 165-172. 数字对象标识:10.1007/s10851-009-0162-1。
|
[52] |
L·袁, J.孙, L.Quan先生和H.-Y.Shum先生,使用模糊/噪声图像对进行图像去模糊,ACM图形事务,26(2007),1-es数字对象标识:10.1145/1275808.1276379.
|
[53] |
K.Zhang,W.Luo,Y.Zhong,L.Ma,B.Stenger,W.Liu和H.Li,通过现实模糊消除模糊,InIEEE/CVF计算机视觉和模式识别会议(CVPR), 2020.数字对象标识:10.1109/CVPR42600.2020.00281。
|
[54] |
K·张, W.Ren先生, W.罗, W.-S.赖, B.支架, M.-H.杨和H.李,深度图像去模糊:一项调查,国际计算机视觉杂志,130(2022), 2103-2130. 数字对象标识:10.1007/s11263-022-0163-5。
|