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