读论文SRCNN：Learning a Deep Convolutional Network for Image Super-Resolution

Learning a Deep Convolutional Network for Image Super-Resolution

SRCNN是深度学习应用于SR领域的开山之作。

论文 2014 ECCV

Pytorch代码 与论文的细节设置有些不同。

实验细节总结：

1 数据集

set5：5张图片

set14：14张图片

用到的数据集为set5、set14、ImageNet。

　　其中，为和之前其他的方法保持相同的条件，先用91张图片作为训练集，set5、set14作为测试集，其中set5的5张图片用作x2x3x4的测试集，set14的14张图片用作x3的测试集。得出的模型效果比之前其他的方法更好。随后用ImageNet的大数据量训练（网络的参数发生了一些改变），得出训练数据集的增加，会给结果带来更好效果，同时训练时间和推理时间也会增加。

在文章的4 Experiments中，描述如下，

Datasets. For a fair comparison with traditional example-based methods, we use the same training set, test sets, and protocols as in [20].
Specifically, the　training set consists of 91 images.
The Set5 [2] (5 images) is used to evaluate the performance of upscaling factors 2, 3, and 4, and Set14 [28] (14 images) is used to evaluate the upscaling factor 3.
In addition to the 91-image training set, we also investigate a larger training set in Section 5.2.

具体来说，训练集包含91张图片。set5的五张图片用来估计模型在上采样x2,x3,x4时的表现，set14用来估计模型在上采样x3的表现。除了91张图片之外，在5.2节也用了大数据集训练。

值得注意的是，文章中提出了sub-images（即子图）的概念。

在训练阶段，地面真实图像{Xi}是从训练图像中随机裁剪出来的32张32×32像素的子图像。我们所说的“子图像”是指这些样本被视为小的“图像”而不是“补丁”，在这个意义上，“补丁”是重叠的，需要一些平均作为后处理，但“子图像”不需要。为了合成低分辨率样本{Yi}，我们用适当的高斯核模糊子图像，用放大因子进行子采样，并通过双边插值对相同的因子进行放大。这91张训练图像提供了大约24,800张子图像。子图像从原始图像中提取，步幅为14。我们尝试了较小的进步，但没有观察到显著的性能改善。从我们的观察来看，训练集足以训练所提出的深度网络。

2 实验流程

输入为32x32像素的子图sub-image，经过三层卷积，得到输出。

提前对输入input进行了双三次插值，所以网络的输入和输出是相同大小的。

第一层卷积的参数为：(kernel size)9x9，(input channel)1,(outputchannel)64

第二层卷积的参数为：1x1，64，32

第三层卷积的参数为：5x5，32，1

至于为什么第一层网络中输入通道为1，文章中这样说是为了和之前的方法进行对比，所以采用相同的通道数。

在[20]之后，我们在实验中只考虑亮度通道(在YCrCb颜色空间中)，所以在第一/最后一层考虑c=1。
这两个色度通道仅为显示的目的而进行双边上采样，而不是用于训练/测试。
请注意，我们的方法可以通过设置c=3来扩展到直接的彩色图像训练。
我们使用c=1主要是为了与以前的方法进行公平的比较，因为大多数方法只涉及亮度通道。

步长s=1；训练时为避免边缘效应，无padding；测试时为保持和input image相同的大小，padding填充0。

所以，训练时的网络输出为20x20像素的子图。因为损失函数为MSE损失函数，所以调整损失函数为仅通过Xi（input image）的中心20×20与网络输出之间的差异来评估。

为了解决边界效应，在每个卷积层中，每个像素的输出(在ReLU之前)被有效输入像素的数量归一化，这可以预先计算。（ReLu激活之前归一化输入像素）

卷积核（kernel or filter）初始化为从一个均值为0，标准差为0.001（偏差为0）的高斯分布中随机抽取来初始化。

前两层的学习率为 \(10^{-4}\) ,最后一层的学习率为 \(10^{-5}\).作者通过经验发现，在最后一层的一个较小的学习速率对网络的收敛是很重要的（类似于去噪的情况[12]）。

优化方式为普通的梯度下降SGD。

文章中没写epoch，batch-size。只写了训练 \(8 \times 10^8\) 个反向传播需要三天时间。

网络结构：

3 损失函数：MSE损失函数

其中，n为像素点的个数，F为网络的输出，X为网络的输入，i表示第i个图像。其中，训练集和测试集的计算方式有区别。

4 实验结果

表一 在set5数据集上的PSNR（dB）和测试时间（sec，秒）

表2 set14数据集上的PSNR（dB）和测试时间（sec）

5 实验配置

GTX 770 GPU

c++

IntelCPU3.10 GHz

16GB内存