【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