这篇论文介绍了如何使用DRN（双重回归网络）解决单图像超分辨率（SISR）问题。DRN通过结合反向网络（HR到LR）和正向网络（LR到HR），在缺乏精确退化模型的情况下，提供额外约束以减少可能的解决方案空间，并提升模型在现实数据上的性能。实验表明，该方法在多个基准数据集上实现了良好的性能。
【CV论文阅读笔记】使用DRN网络（双重回归网络）解决SR问题
本篇笔记来自CVPR2020年论文：Closed-loop Matters: Dual Regression Networks for Single Image Super-resolution
论文地址 ：https://arxiv.org/pdf/2003.07018.pdf
项目地址 ： https://github.com/fengye-lu/DRN-master
Motivation：
SISR（Single Image Super-Resolution)领域一直存在两个问题：
- 从LR（Low Resolution低分辨率图像）到HR（high Resolution高分辨率图像）是个典型的不适定问题（ill-posed problem），这意味着从LR到HR的可能的函数空间非常大，因此很难找到好的，鲁棒性更强的解决方案
- 因为在现实中从HR到LR的过程的退化方法通常是未知的，而我们使用的成对的训练数据又通常是通过特定的退化方法从HR到LR，所以训练后的模型在处理真实的LR图像时往往表现并不出色
注：什么是不适定问题：
图像处理中不适定问题（ill posed problem）或称为反问题（inverse Problem）的研究从20世纪末成为国际上的热点问题，成为现代数学家、计算机视觉和图像处理学者广为关注的研究领域。数学和物理上的反问题的研究由来已久，法国数学家阿达马早在19世纪就提出了不适定问题的概念:称一个数学物理定解问题
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
