那些让人耳目一新的深度学习图像超分辨率重建方法

本文章只记录（按时间），不分析网络结构、优劣。可能会有遗漏，见谅.

1. SRCNN -- ECCV2014

paper：Learning a Deep Convolutional Network for Image Super-Resolution

source code： http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

tensorflow code :https://github.com/tegg89/SRCNN-Tensorflow

2. FSRCNN -- ECCV2016

paper：Accelerating the Super-Resolution Convolutional Neural Network

source code：http://mmlab.ie.cuhk.edu.hk/projects/FSRCNN.html

tensorflow code:https://github.com/yifanw90/FSRCNN-TensorFlow

pyTorch code：https://github.com/yippp/FSRCNN

3. ESPCN -- CVPR2016

paper：Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network

tensorflow code：https://github.com/drakelevy/ESPCN-TensorFlow

pyTorch code：https://github.com/leftthomas/ESPCN

4. VDSR -- CVPR2016

paper：Accurate Image Super-Resolution Using Very Deep Convolutional Networks

source code: https://cv.snu.ac.kr/research/VDSR/

tensorflow code：https://github.com/Jongchan/tensorflow-vdsr

pyTorch code：https://github.com/twtygqyy/pytorch-vdsr

5. DRCN -- CVPR2016

paper：Deeply-Recursive Convolutional Network for Image Super-Resolution

source code： https://cv.snu.ac.kr/research/DRCN/

tensorflow code：https://github.com/jiny2001/deeply-recursive-cnn-tf

pyTorch code：https://github.com/fungtion/DRCN

6. RED -- NIPS2016

paper：Image Restoration Using Convolutional Auto-encoders with Symmetric Skip Connections

pyTorch code：https://github.com/yjn870/REDNet-pytorch

https://github.com/JindongJiang/RedNet

7. DRRN -- CVPR2017

paper：Image Super-Resolution via Deep Recursive Residual Network

pyTorch code：https://github.com/jt827859032/DRRN-pytorch

8. LapSRN -- CVPR2017

paper：Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

source code：http://vllab.ucmerced.edu/wlai24/LapSRN/

tensorflow code：https://github.com/zjuela/LapSRN-tensorflow

pyTorch code：https://github.com/twtygqyy/pytorch-LapSRN

9. SRDenseNet -- ICCV2017

paper：Image Super-Resolution Using Dense Skip Connections

tensorflow code：https://github.com/ppooiiuuyh/SR_SRDenseNet_tensorflow

python code：https://github.com/wxywhu/SRDenseNet-pytorch

10. SRGAN(SRResNet) -- CVPR2017（Perceptual Loss）

paper：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

tensorflow code：https://github.com/tensorlayer/srgan

https://github.com/brade31919/SRGAN-tensorflow

pyTorch code：https://github.com/leftthomas/SRGAN

https://github.com/aitorzip/PyTorch-SRGAN

Perceptual Loss ：

paper：Perceptual Losses for Real-Time Style Transfer and Super-Resolution

project：https://cs.stanford.edu/people/jcjohns/eccv16/

11. EDSR -- CVPRW2017（state-of-the-art）

paper：Enhanced Deep Residual Networks for Single Image Super-Resolution

tensorflow code：https://github.com/jmiller656/EDSR-Tensorflow

pyTorch code：https://github.com/thstkdgus35/EDSR-PyTorch

18年之后的就有点多了，这里挑了几个有意思的列举

12. RDN -- CVPR2018

paper：Residual Dense Network for Image Super-Resolution

tensorflow code：https://github.com/hengchuan/RDN-TensorFlow

pyTorch code：https://github.com/lingtengqiu/RDN-pytorch

13. IDN -- CVPR2018

paper：Fast and Accurate Single Image Super-Resolution via Information Distillation Network

tensorflow code：https://github.com/Zheng222/IDN-tensorflow

pyTorch code：https://github.com/lizhengwei1992/IDN-pytorch

14. DBPN -- CVPR2018

paper：Deep Back-Projection Networks For Super-Resolution

tensorflow code：https://github.com/tlokeshkumar/DBPN-tf

PyTorch code：https://github.com/alterzero/DBPN-Pytorch

15. RCAN -- ECCV2018

paper：Image Super-Resolution Using Very Deep Residual Channel Attention Networks

tensorflow code：https://github.com/kozistr/rcan-tensorflow

pyTorch code：https://github.com/yulunzhang/RCAN

2018CVPR转http://openaccess.thecvf.com/CVPR2018.py

2019 CVPR-SR转：http://bbs.cvmart.net/topics/302/cvpr2019paper#11

reference:

1. https://zhuanlan.zhihu.com/p/31664818

2. https://github.com/YapengTian/Single-Image-Super-Resolution

那些让人耳目一新的深度学习图像超分辨率重建方法相关推荐

深度学习在超分辨率重建上的应用SRCNN,FSRCNN,VDSR,DRCN,SRGAN
超分辨率技术(Super-Resolution)是指从观测到的低分辨率图像重建出相应的高分辨率图像, 目前应用较多的应用场景是图像及视频分辨率提高,比如可以提高以往影视作品或图像的分辨率,提高视觉感官 ...
深度学习图像超分辨率最新综述：从模型到应用
点击我爱计算机视觉标星,更快获取CVML新技术今日arXiv新上论文<Deep Learning for Image Super-resolution:A Survey>,详细回顾了近年 ...
不同分辨率图片匹配_超实用的图像超分辨率重建方法及应用介绍
在之前的文章中已经讲述过很多的传统超分辨率算法.而在AI领域中这几年也是很大热门.CVPR2017超分辨有7篇论文,2018 ICCV共有9篇 ,在CVPR2018中,共收录979篇,而超分辨率论文有 ...
深度学习图像超分辨率开山之作SRCNN——原理分析及代码（效果基本可以达到论文中的效果）
基于python+tensorflow下的超分辨率图像重构(效果基本可以达到论文中的效果) 论文地址:点击此处跳转搞这篇论文时,踩了很多坑,效果优于网上的大部分代码,网上大部分代码效果离理想效果差5 ...
PCL-SISR：基于对比学习的单幅图像超分辨率重建方法
©作者 | 高帆学校 | 北京邮电大学研究方向 | 计算机视觉随着 Transformer 的提出以及在底层任务上应用的进一步探索,相信在很多底层任务数据集上可以取得新的 SOTA 成绩.但是不 ...
基于深度学习的图像超分辨率重建技术的研究
1 超分辨率重建技术的研究背景与意义图像分辨率是一组用于评估图像中蕴含细节信息丰富程度的性能参数,包括时间分辨率.空间分辨率及色阶分辨率等,体现了成像系统实际所能反映物体细节信息的能力.相较于低分辨 ...
图像超分辨率重建算法，让模糊图像变清晰(附数据和代码)
一. 图像超分辨率重建概述 1. 概念图像分辨率是一组用于评估图像中蕴含细节信息丰富程度的性能参数,包括时间分辨率.空间分辨率及色阶分辨率等,体现了成像系统实际所能反映物体细节信息的能力.相较于低 ...
一文掌握图像超分辨率重建（算法原理、Pytorch实现）——含完整代码和数据
目录一. 图像超分辨率重建概述 1. 概念 2. 应用领域 3. 研究进展 3.1 传统超分辨率重建算法 3.2 基于深度学习的超分辨率重建算法二. SRResNet算法原理和Pytorch实 ...
【数字图像处理3 】（上）图像超分辨率重建（SR）概述
图像超分辨率重建一.前言(废话时间) 二.扫盲知识什么是超分辨率重建? 兴起原因三.传统超分辨率重建 1.基于插值的超分辨率重建 2.基于退化模型的超分辨率重建 3.基于学习的超分辨率重建四 ...

那些让人耳目一新的深度学习图像超分辨率重建方法

那些让人耳目一新的深度学习图像超分辨率重建方法相关推荐

最新文章

热门文章