SRCNN论文笔记

SRCNN是图像超分辨率领域的开创性工作,采用三层卷积神经网络进行图像重建。第一层提取特征,第二层进行非线性映射,第三层负责重建。损失函数选用MSE,导致图片平滑,尽管PSNR值高,但高频信息保留不足,影响视觉效果。
摘要由CSDN通过智能技术生成

SRCNN论文笔记

论文:Learning a Deep Convolutional Network for Image Super-Resolution

SRCNN是将卷积神经网络(CNN)应用于图像超分辨率(Super resolution,SR)的开山之作,目前已有很多专业的论文解读,本文仅作个人学习笔记记录。官方论文与实现代码链接:http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

SR过程

SR过程:以低分辨率图像作为输入,利用双三次插值(bicubic interpolation)将其放大至目标分辨率得到图像Y。虽然Y的分辨率已提高,但此时仍将其视为低分辨率图像,利用卷积神经网络学习映射F,使得F(Y)无限接近真实图像(ground truth)X。具体过程如下图所示:

网络结构

网络使用三层卷积神经网络,分别代表三个不同的操作,网络结构如下图所示,这也是SRCNN的核心所在。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值