本文介绍了如何利用SRGAN（超分辨率生成对抗网络）提升图片的清晰度。SRGAN致力于将低分辨率图像转换为高分辨率图像，通过训练模型并应用到人脸图片上，显示出了提高分辨率的效果。读者可以通过GitHub上的开源TensorFlow代码进行实践，但需要注意代码仅接受png格式的输入图像。
近两年GAN（Generative Adversarial Network
）相关的论文大火了一把，我自己也体验了几次，确实是很神奇的网络，GAN的各种变体基本都是用来生成图片的，关于GAN相关的说明这里不多讲，如有需要了解的可以自行搜索。
但是GAN似乎有个问题，生成的图片清晰度不是很好，因此SRGAN（Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial
Network）也就是针对这个问题作出的优化，不同于普通的GAN是通过噪声来生成一个真实图片，SRGAN的目的在于将一个低分辨率的图片转化为一个高分辨率的图片。
具体的算法这里也不介绍了，GAN的变体太多，我也不是专门研究这些的，所以这里只介绍效果如何，以及怎么用。
先看几组图：
很好奇论文中选择的示例图居然是一个我国少数民族妹子。
训练方法大致就是构建好网络后，找一个高清图片数据集，对每个图片做处理得到低分辨率的图片，从而得到低分辨率图片数据集。用这两个数据集来训练网络，实现低分辨率到高分辨率图片的转化。
我自己测试
最低0.47元/天 解锁文章
扫一扫
386
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
