1、“.....以便能够得到更好的重構效果。需要说明的是，在次高分辨率图像的生成过程中，需要经过两次降采区域大小，会对整个算法的高分辨率重构效果产生更加直接的影响。在实验中，对于所收集的人脸样本数据，在分别为以及的情况下，对得到的重构结果进行对比。考虑到从分辨率较低的图像重构高分辨率图像过程的难度不小，文中选用逐层训练的方式来实现。具体操作过程为采用双关键点重建算法在人脸超分辨率重建中的应用论文原稿逐层训练操作。首先，对存在于低分辨率图像和次高分辨率图像中的映射关系进行训练然后，对存在于次高分辨率图像和高分辨率图像中的映射关系进行训练，以便能够得到更好的重構效果。需要说明的是......”。

2、“.....需要经过两次降采用操作，即先将人脸图像中下的式子基于的自编码技术在如图中，给出了基于自编码理论的非线性超分网络结构。可以发现，该网络中采用了层的网络结构体系。考虑到从分辨率较低的图像重构高分辨率图像过程的难度不小，文中选用逐层训练的方式来实现。具体操作过程为采用双线性插值的方式，对需要重域，在完成对其逐层的超分辨率重构处理后，将可以将重构得到的所有区域，以关键点位置为依据，将所有区域叠加到原来的全局因条件图像中。对于叠加后的图像，不可避免地存在重叠部分，而对这些重叠部分的处理，文中主要采用像素平均的方法......”。

3、“.....相较于直接训练方法，所得到的人脸区域图像的重构结果的效果更好。考虑到在人脸的所有器官中，眼睛图像所在区域所集中的信号能量更强，是整体人脸特征的重要表征，是更具有代表性的人脸器官，能够作为人脸重构细节说明的目标图像。具体到人脸图像的重构中，可以对其中的局部区域将其平均误差控制到的水平。利用低分辨率图像，经过重构后所得到高分辨率图像的效果，要比分层网络训练方法中所得到的人脸细节信息较差。通过采用基于关键点的处于方法，其效果相较于对全图所进行的分层网络重构效果更加运算。关键点重建算法在人脸超分辨率重建中的应用论文原稿。摘要文中主要对基于关键点的人脸图像逐点超分辨率重建算法进行研究......”。

4、“.....通过在算法中对人脸关键点附近区域中的超分辨映射函数的分别训练，实现了对人脸超分的逐层对计算误差的控制与缩减。具体到人脸图像的重构中，可以对其中的局部区域将其平均误差控制到的水平。利用低分辨率图像，经过重构后所得到高分辨率图像的效果，要比分层网络训练方法中所得到的人脸细节信息较差。通过采用基于关键点的处于方法，其效果相较于对全图所进行用直接方法所得到的重构图像，图为采用分层网络方法所重构后得到的结果，而图则为目标图像。需要补充的是，在自编码网络中，其第层网络还可以采用更深的网络。这样，在从次高清和高清图像的重构过程中，实现的难度会增大......”。

5、“.....比如，在关键点重建算法在人脸超分辨率重建中的应用论文原稿较好，这主要是由于在人脸局部区域的训练过程中，其中所设置的参数比较少，相应的网络收敛性能更佳同时，通过对人脸图像数据每个部分所对应的重构网络的分开训练过程，使得训练与重构过程的速度更快，进而实现对不同区域中图像数据的超分辨率处理与运算。算方法中，对于维度为的人脸局部图像，可以将其维度进行降低处理下操作，并在此基础上对经过降维处理后的高低分辨率人脸局部区域图像进行相应的线性回归操作与运算。实验结果分析利用分层网络所设计的逐层训练方法，可以通过对图像细节的重构，实现对计算误差的控制与缩减的非线性超分网络结构。可以发现......”。

6、“.....关键点重建算法在人脸超分辨率重建中的应用论文原稿。对于文中实验过程中所采用的逐层训练方法，相较于直接训练方法，所得到的人脸区域图像的重构结果的效果更好。考虑到在人脸的所有器官中，眼睛图迭代重建。实验结果表示，利用该方法可以有效减少目标图像重建中的难度。需要补充的是，在自编码网络中，其第层网络还可以采用更深的网络。这样，在从次高清和高清图像的重构过程中，实现的难度会增大，需要对网络进行必要的加深学习处理。比如，在基于的线性回归计的分层网络重构效果更加较好，这主要是由于在人脸局部区域的训练过程中，其中所设置的参数比较少，相应的网络收敛性能更佳同时......”。

7、“.....使得训练与重构过程的速度更快，进而实现对不同区域中图像数据的超分辨率处理与基于的线性回归计算方法中，对于维度为的人脸局部图像，可以将其维度进行降低处理下操作，并在此基础上对经过降维处理后的高低分辨率人脸局部区域图像进行相应的线性回归操作与运算。实验结果分析利用分层网络所设计的逐层训练方法，可以通过对图像细节的重构，实现像所在区域所集中的信号能量更强，是整体人脸特征的重要表征，是更具有代表性的人脸器官，能够作为人脸重构细节说明的目标图像。通过对人脸重构效果的对比，可以对实验中所采用的分步网络算法的性能进行说明。具体如图中所示。在该图中，图表示原始的人眼图像......”。

8、“.....其中的重叠部分，会产生多样的块状区域，应该加以解决。本文中所采用的方法，主要为基于泊松编辑方法。在泊松编辑的过程中，首先应该完成的是对针对全局图像进行卷积计算，通过采用拉普拉斯算子，可以得到如下的式子基于的自编码技术在如图中，给出了基于自编码理论用操作，即先将人脸图像中的局部临近像素值进行缩小，逾期大小为原来大小的半再利用线性插值的方法，对原始数值进行计算。关键点重建算法在人脸超分辨率重建中的应用论文原稿。在对人脸图像中的各个局部区域，在完成对其逐层的超分辨率重构处理后，将可以将重构得到的线性插值的方式......”。

9、“.....对人脸图像中所包含的局部特征进行定位处理利用得到的关键点，获得其相邻的局部区域，对局部区域的大小，则需要以实验的方式来确定，以便能够获得最佳的重构效果。在具体的算法设计与实现中，文的局部临近像素值进行缩小，逾期大小为原来大小的半再利用线性插值的方法，对原始数值进行计算。实验数据准备本实验主要针对证件照中所常用的人脸图像进行超分辨率运算，将大量的人脸图像以及相应的高分辨率图像作为样本数据进行训练。参数设置算法计算中所选用的人脸局部构的原始图像进行初始化操作利用上述的关键点算法，对人脸图像中所包含的局部特征进行定位处理利用得到的关键点，获得其相邻的局部区域，对局部区域的大小......”。