概
利用GAN进行超分辨率.
主要内容
其实, 没啥特别的:
-
生成器用了残差网络, 判别器用了更深的网络:
-
一般进行超分辨率用MSE损失, 即
M S E ( G ( I n L R ) , I n H R ) , \mathrm{MSE}(G(I_n^{LR}), I_n^{HR}), MSE(G(InLR),InHR),
这里 I n L R I_n^{LR} InLR为低分辨率的图片, I n H R I_n^{HR} InHR为相对应的高分辨率的图片. 而本文用的是VGG的特征 ϕ i , j \phi_{i, j} ϕi,j:
l V G G / i , j S R = 1 W i , j H i , j ∑ x = 1 W i , j ∑ y = 1 H i , j ( ϕ i , j ( I H R ) x , y − ϕ i , j ( G ( I L R ) ) x , y ) . l^{SR}_{VGG/i,j} = \frac{1}{W_{i,j} H_{i,j }} \sum_{x=1}^{W_{i,j}} \sum_{y=1}^{H_{i,j}} (\phi_{i,j}(I^{HR})_{x,y} - \phi_{i,j} (G(I^{LR}))_{x, y}). lVGG/i,jSR=Wi,jHi,j1x=1∑Wi,jy=1∑Hi,j(ϕi,j(IHR)x,y−ϕi,j(G(ILR))x,y). -
除此之外, 一般GAN所用的对抗损失也是要加上的.
扫一扫
1533
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
