Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

解决问题：

  • 1.bicubic预处理上下采样，计算复杂度高。（LapSRN只使用了对SR下采样特点是训练过程中再通过反卷积上采样恢复到原尺寸）
  • 2.简单的模型，不能很好的学会复杂的映射。 并且L2损失函数不能捕捉HR patches底层多模态分布（重建的HR images对人类视觉感知效果不好）
  • 3.大部分方法重建HR images时使用了上采样步骤，这会增加训练难度尤其是fator越大时，并且对于以前的方法只训练了特定fator的模型（LapSRN使用了金字塔结构的模型，对于大的fator由fator为2渐进训练，需要特定就fator就截断输出）

模型结构

模型大致结构：LR作为输入渐进地以一种粗糙到良好的方式预测sub-band residuals。每个level用卷积提取特征然后使用反卷积上采样到finer level然后预测sub-band residuals（上采样图片与groud truth间的差异）训练模型使用charbonnier损失函数

LapSRN使用串联金字塔预测不同fator的residuals，因此其 8fator的模型依旧可以表现2 或 4 fator SR，通过bypassing（绕路）

输入：由SR下采样 为HR直接输入

特征提取：每个level（金字塔层）都有d个卷积层和一个反卷积层，反卷积层的输出分别连接到当个level重建residuals和下一个level继续提取特征训练。

图像重建：每个level的输入image都使用scale为2的反卷积进行上采样再与predicted residuals整合为HR image，该HR image，又被喂入下一个level，需要特定的scale时只需在特定的level处截断模型

损失函数：使用Charbonnier penalty function

　　　　　　

　　　　　　

训练细节：每个卷积层在卷积前都进行了padding保持了与输入一致，filters为64个 size为 3 x 3，反卷积的filter为3 x 3，作者在训练前进行了data argumation,实验中也对比了 data argumation的影响

LapSRN的更多相关文章

  1. 图像超分辨-IDN

    本文译自2018CVPR Fast and Accurate Single Image Super-Resolution via Information Distillation Network 代码 ...

  2. 图像超分辨-DBPN

    本文译自2018CVPR DeepBack-Projection Networks For Super-Resolution 代码: github 特点:不同于feedback net,引入back ...

  3. (转) Learning Deep Learning with Keras

    Learning Deep Learning with Keras Piotr Migdał - blog Projects Articles Publications Resume About Ph ...

  4. 使用深度学习的超分辨率介绍 An Introduction to Super Resolution using Deep Learning

    使用深度学习的超分辨率介绍 关于使用深度学习进行超分辨率的各种组件,损失函数和度量的详细讨论. 介绍 超分辨率是从给定的低分辨率(LR)图像恢复高分辨率(HR)图像的过程.由于较小的空间分辨率(即尺寸 ...

  5. 【SR汇总】基于深度学习方法

    1.SRCNN.FSRCNN (Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014) (Acceler ...

  6. 图像超分辨率算法：CVPR2020

    图像超分辨率算法:CVPR2020 Unpaired Image Super-Resolution using Pseudo-Supervision 论文地址: http://openaccess.t ...

随机推荐

  1. MongoDB 组合多个条件查询（$and、$in、$gte、$lte）

    一,问题描述 数据格式: id, timeStamp,count 条件1:查询 某个时间段 内的数据: timeStamp BETWEEN startTime AND endTime.比如 timeS ...

  2. 04_ switch 练习 _ 你及格了吗

    <!DOCTYPE html> <html> <head> <meta charset="utf-8" /> <title&g ...

  3. [LeetCode] Bricks Falling When Hit 碰撞时砖头掉落

    We have a grid of 1s and 0s; the 1s in a cell represent bricks.  A brick will not drop if and only i ...

  4. Junit/idea Junit支持/Spring test之间的孽世纠葛

    最近应老板要求,研究研究Spring测试相关的东西,力求搞一个方便使用的测试工具,对于一个Spring不熟Junit不懂的人这是一个很大的坑,扫了一边spring test文档没感觉有什么收获,spr ...

  5. 修改MyEclipse字体大小及颜色

    windows-->prefereces->General-->Appearance-->Colors and Fonts,在右边找到要修改的字体或背景,双击点Edit修改即可 ...

  6. Unity进阶----AssetBundle_01(2018/10/30)

    AssetBundle作用和定义 1).AssetBundle是一个压缩包包含模型.贴图.预制体.声音.甚至整个场景,可以在游戏运行的时候被加载: 2).AssetBundle自身保存着互相的依赖关系 ...

  7. python to shell vimdiff

    目录 #!/bin/python3 import os import sys if(len(sys.argv) != 3): exit ("Usage: argv1:fullPath.txt ...

  8. LeetCode 171 Excel Sheet Column Number 解题报告

    题目要求 Given a column title as appear in an Excel sheet, return its corresponding column number. For e ...

  9. 2018-2019-2 网络对抗技术 20165225 Exp4 恶意代码分析

    2018-2019-2 网络对抗技术 20165225 Exp4 恶意代码分析 实践目标 1.1是监控你自己系统的运行状态,看有没有可疑的程序在运行. 1.2是分析一个恶意软件,就分析Exp2或Exp ...

  10. ES6的Proxy和Reflect

    Proxy 有一个原始的数据对象,通过代理出来一个新的对象,用户操作的是这个新的对象 { let obj ={ time:'2018-01-01', name:'lx' , _r:123 } let ...