超分辨率重构六---DRN

DRN(Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution)阅读笔记
1、论文地址：https://arxiv.org/pdf/2003.07018.pdf
2、github上的pytorch程序：https://github.com/guoyongcs/DRN
3、论文介绍
3.1、存在的问题

超分辨率重构由于不满足单一映射，很多不同的高分辨率图像（HR）可以同通过下采样的方法得到相同的低分辨率图像（LR），是一个不适定问题，；
实际上，LR和HR图像对比较难获取，不像实验中直接使用某种退化方法通过HR得到LR，同时在实际从HR到LR的退化方法是不知道的；
该论文通过分析上述两个问题提出了一种双重回归网络

3.2、DRN

模型采用的主体结构为U-NET，U-NET输入是低分辨率图像上采样得到的高分辨率图像（该图像还是比较模糊，因为采用的只是上三次插值得到的），在U-NET的左边模型只是通过了几个卷积，下采样是通过使用卷积步长为2实现的，下采样的次数为对scale取对数得到的，比如上述模型图中，放大倍数为4所以会下采样2次，如果Scale为8则需要下采样3次。
在U-NET的右边特征的提取是通过RCAB的级联，上采样使用的是pixshuffle方法，上采样的次数与下采样的次数相同，每次放大两倍，同时每次放大后会将U-NET左右两边对应分辨率的特征cat在一起，之后在进行之后的特征提取。作者代码中在计算该部分损失的时候不仅只用到了最后的重构图像，同时使用了中间分辨率对应的图像的损失。比如在Scale为4的时候，我们在上采样的过程中会得到Scale为2、4的特征，作者将这两部分特征都进行重构，得到两种不同分辨率的图像，分别计算和对应真实图像的loss。
模型中的回归网络使用的就是简单的卷积，每次下采样的倍数为2，之后得到对应分辨率图像，计算得到分辨率图像和对应真实图像L1损失。
3.3、损失函数

论文中有两个损失函数，对于第一个损失函数，作者使用的数据都是成对的，对于第二个损失函数，除了成对数据外，还包括一些只含有LR的数据集，在训练的过程中，首先使用第一个算是函数，数据都是成对的，先将模型训练收敛，就是论文结果中的DRN-S和DRN-L两个模型，之后在该模型的基础上，首先调整成对数据和不成对数据的比例，作者发现当不成对数据占所有的数据的比例为0.3的时候此时模型的训练结果最好，之后使用第二个损失函数对模型接着进行训练，得到该部分结果。

超分辨率重构六---DRN相关推荐

通过超分辨率重构来提高二维码的对比度
1 问题描述 (1)图像分辨率小.例如一些嵌入在海报(如图1)或远距离拍摄的码,其分辨率远小于通常情况下的码图像. 图1.海报中的二维码占比很小 (2)图像质量较低.有很多是经过了多次的压缩和转发,存 ...
图像超分辨率重构实战
低分辨率图像重建任务总览数据加载与配置模型设置生成.判别.特征提取模块调用损失函数与训练测试今天我们来介绍利用对抗生成网络(GAN)对低分辨率图像进行重构的介绍.再开始今天的任务之前,给 ...
GAN的应用-SRGAN图像超分辨率重构、U-net结构和字“姐”跳动学习心得
GAN的应用 -- SRGAN图像超分辨率重构项目地址:https://aistudio.baidu.com/aistudio/projectdetail/843989 文章来源:2017 IEEE ...
获取分辨率函数是什么_深度学习应用“Zero Shot”超分辨率重构图像
超分辨率(SR)是一种提高图像分辨率的技术. 这些方法是从低分辨率(LR)图像中获得高分辨率(HR)输出.执行单图像超分辨率(SISR)的目的是在增加图像尺寸的同时使其质量下降的最小.应用范围很广,如 ...
【超分辨率】（DRN）Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution
论文名称:Closed-loop Matters: Dual Regression Networks for Single Image Super-Resolution 论文下载地址:https:// ...
m基于贝叶斯理论的超分辨率重构算法matlab仿真，对比Tikhonov重构算法
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述超分辨率(Super-Resolution)通过硬件或软件的方法提高原有图像的分辨率,通过一系列低分 ...
经典论文复现 | 基于深度学习的图像超分辨率重建
过去几年发表于各大 AI 顶会论文提出的 400 多种算法中,公开算法代码的仅占 6%,其中三分之一的论文作者分享了测试数据,约 54% 的分享包含"伪代码".这是今年 AAAI ...
【图像超分辨率重建】——“SISR 中的Edge-Based 损失函数”论文精读
2018-Edge-Based Loss Function For Single Image Super Resolution 基本信息作者: George Seif, Dimitrios Andr ...
【超分辨率】VDSR--Accurate Image Super-Resolution Using Very Deep Convolutional Networks
论文链接:https://arxiv.org/abs/1511.04587 论文code: https://github.com/huangzehao/caffe-vdsr 这篇文章通过stack f ...

超分辨率重构六---DRN

超分辨率重构六---DRN相关推荐

最新文章

热门文章