【論文閱讀】Learning a Deep Convolutional Network for Image Super-Resolution
阿新 • • 發佈:2019-04-07
題目:學習深度卷積神經網路實現影象超解析度 ECCV 2014 收錄
摘要:
我們提出了一種單張影象超解析度(SR)的深度學習方法。我們的方法直接學習低/高解析度影象之間的端到端對映。該對映表示為一個深卷積神經網路(CNN)[15],它以低解析度影象為輸入輸出高解析度影象。我們進一步證明了傳統的稀疏編碼SR方法
-----------------------------------------
程式碼地址:https://github.com/tegg89/SRCNN-Tensorflow 基於TensorFlow
其他地址:http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html 基於matlab和caffe
-----------------------------------------
優點:網路結構十分簡單,僅僅用了三個卷積層,框架在選擇引數時很靈活,可以採用四層或更多層,更大的過濾尺寸來進一步提高效能。
缺點:SRCNN針對的是單個尺度因子進行訓練,如果需要新的規模,則必須對新模型進行訓練。特徵提取只用了一層卷積層,存在著感受野較小的問題,提取出來的特徵是非常區域性的特徵,細節無法恢復出來。
-----------------------------------------