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. python学习：格式化输出

    格式化输出 代码如下: name = input("Name:") age = input("Age:") job = input("Job:&quo ...

  2. jmeter--接口自动化jmeter+ant+jenkins

    的 一.介绍 接口自动化工具:jmeter+ant+jenkins 流程: -1.jmeter已录制或手动设置好脚本后 -2.配置ant,使用Ant工具,进行批量执行jmeter的脚本 -3.使用Je ...

  3. 一个FORK的面试题（转）

    https://coolshell.cn/articles/7965.html https://coolshell.cn/articles/945.html

  4. 嵌入式linux内存越界定位和解决 （转）

    https://blog.csdn.net/meejoy/article/details/41729585 https://blog.csdn.net/killmice/article/details ...

  5. H5和CSS

    参考文档:https://blog.csdn.net/caseywei/article/details/81105544 *)DOCTYPE的作用 如:<!DOCTYPE html>  标 ...

  6. django上传excel文件

    def uploadGrade(request): ''' 班级信息导入 :param request: :return: ''' if request.method == 'POST': f = r ...

  7. iOS 如何查看APP的jetsamEvent日志

    1.如何在iPhone上查看 设置-通用-分析-分析数据- JetsamEvent+日志 打头的系统日志. 2.如何在Mac 上查看此类分析日志 1.手机链接MAC 2.打开iTunes,点开手机图标 ...

  8. angularjs知识点

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  9. yii2安装与初始化

    yii2安装与初始化-Yii2学习笔记(一)   一.安装项目: 使用composer下载安装yii2 advanced安装包: composer create-project yiisoft/yii ...

  10. ps去掉图片上的文字

    使用仿制图章工具去除文字这是比较常用的方法,具体的操作是,选取仿制图章工具,按住Alt键,在无文字区域点击相似的色彩名图案采样,然后在文字区域拖动鼠标复制以覆盖文字.要注意的是,采样点即为复制的起始点 ...