超分辨中的损失函数

最新推荐文章于 2024-05-07 11:10:29 发布
最新推荐文章于 2024-05-07 11:10:29 发布
阅读量946 收藏 1
点赞数
分类专栏： 笔记 文章标签： python 人工智能 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/crazysmoker/article/details/127974975
版权

主流损失为三种：MSE PSNR SSIM。
其中MSE（均方误差）是直接考虑两幅图之间像素值的区别。
而PSNR（峰值信噪比）其实是MSE的一种对数形式。
SSIM（结构相似性）除了考虑亮度信息之外还加入了对比度和结构分数；通过三个评价标准共同来衡量两幅图的差异。SSIM将图像分为多个像素块，
在这里插入图片描述

每个像素块分别计算亮度相似性：
在这里插入图片描述
对比度相似度：在这里插入图片描述
计算结构
在这里插入图片描述
并最终以三个分数的组合方式来表达，其中如何表达可以根据实际图像观感优先级来进行调整。

本文参考https://zhuanlan.zhihu.com/p/541385224

刚正不阿邢育森
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于深度学习的图像超分辨率 损失函数总结
weixin_43514766的博客
12-01 1万+
本文总结了近年来在基于深度学习的图像超分辨率论文中使用过的损失函数，欢迎补充。 1. L1损失 L1损失，也被称为最小绝对偏差（LAD），最小绝对误差（LAE）。 计算的是实际值与目标值之间绝对差值的总和。在有监督的图像超分辨率任务中，目标是使得生成的图像（SR）尽可能接近真实的高分辨率图像（HR），使用L1损失计算的则是SR和HR对应像素位置的值的误差。 使用L1损失的模型（有的模型使用了不止一种损失函数，此处罗列的为损失函数中包含L1损失的方法）：LapSRN、EDSR、RDN、CARN、ESRGA
PSNR-峰值信噪比(原理及python代码实现)
热门推荐
木盏
11-28 7万+
PSNR的全称为“Peak Signal-to-Noise Ratio”，直译为中文就是峰值信噪比。 是一种衡量图像质量的指标。在很多领域都会需要这个指标，比如在超分辨率重建图像的时候，PSNR就是很重要的指标了。 WIKI解释 峰值信噪比（英语：Peak signal-to-noise ratio，常缩写为PSNR）是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程...
损失函数详解
最新发布
金石软件
05-07 1045
是一种衡量模型与数据吻合程度的算法。损失函数测量实际测量值和预测值之间差距的一种方式。损失函数的值越高预测就越错误，损失函数值越低则预测越接近真实值。对每个单独的观测(数据点)计算损失函数。将所有损失函数（loss function）的值取平均值的函数称为代价函数（cost function），更简单的理解就是损失函数是针对单个样本的，而代价函数是针对所有样本的。。在构建模型的过程中，如果特征的权重发生了变化得到了更好或更差的预测，就需要利用损失函数来判断模型中特征的权重是否需要改变，以及改变的方向。
超分辨中常用的损失函数
骊山道童的博客
11-02 2591
Charbonnier Loss - 知乎：https://zhuanlan.zhihu.com/p/111572013 超分辨领域的loss： 1. L1损失 L1损失，也被称为最小绝对偏差（LAD），最小绝对误差（LAE）。 计算的是实际值与目标值之间绝对差值的总和。在有监督的图像超分辨率任务中，目标是使得生成的图像（SR）尽可能接近真实的高分辨率图像（HR），使用L1损失计算的则是SR和HR对应像素位置的值的误差。 使用L1损失的模型（有的模型使用了不止一种损失函数，此处罗列的为损失函数中包含L1损失
2021-11-10-超分辨率中的损失函数
qq_40723205的博客
11-10 3992
1.pixel loss 与 L1 损失相比，L2 损失惩罚较大的错误，但对小错误的容忍度更高。 在实践中，L1 损失表现出比 L2 损失 [30]、[33]、[121] 更好的收敛性。由于 PSNR 的定义（第 2.3.1 节）与像素差异高度相关，并且最小化像素损失直接最大化 PSNR，因此像素损失已成为该领域使用最广泛的损失函数。 然而，由于像素损失实际上并没有考虑图像质量（例如，感知质量[31]、纹理[10]），它通常缺乏高频细节，产生过度平滑的纹理[27]，[31]、[62]、[74]。 .
《Deep Learning for Image Super-resolution: A Survey》之 Loss Functions
qq_34706871的博客
11-22 1293
本文节选自论文：Deep Learning for Image Super-resolution: A Survey 在图像超分中，用损失函数来衡量重建图像与真实图像之间的差异，并以此来引导模型的优化。 关于超分中常用的损失函数（Loss Functions）的总结： 1、Pixel Loss（基于像素级的损失） 包含loss（平均绝对值误差）、loss（均方误差） 其中，为重...
SROBB_ Targeted Perceptual Loss for Single Image Super-Resolution.pdf
09-08
使用使用目标感知损失函数实现图像超分辨率重建
超分辨综述+RetinaNet.zip
09-04
超分辨技术通过深度学习提升了图像的细节表现，而RetinaNet则通过创新的损失函数和网络结构解决了目标检测中的类别不平衡问题，尤其在小目标检测方面表现出色。这些技术的不断发展，正在推动计算机视觉向更高精度和...
ESPCN_ESPCN超分辨_ESPCN_神经网络_超分辨率_超分辨率重建_
09-30
训练过程涉及优化网络权重，以最小化重建图像与原始高分辨率图像之间的损失函数。常用的损失函数有均方误差（MSE）或结构相似度指数（SSIM）。完成训练后，你可以用训练好的模型对新的低分辨率图像进行超分辨率重建...
SRCNN_resolution_深度学习_超分辨率_超分辨率重建_超分辨重建_
10-03
训练阶段，模型使用大量高分辨率图像及其对应的低分辨率图像作为数据对，通过反向传播优化网络参数，以最小化预测图像与真实高分辨率图像之间的损失函数，如均方误差（MSE）。测试阶段，经过训练的模型可以接受新的...
PoissonLikelihoodLoss_pytorch：这是用于NM图像重建的Poisson似然损失函数的PyTorch实现
02-11
泊松似然损失函数 这是用于NM图像重建的Poisson似然损失函数的PyTorch实现[1]。 ，其中n是箱数，g bar表示平均值（目标），g是观察值。 [1] Bruyant，PP（2002年）。 SPECT中的解析和迭代重建算法。 核医学杂志，43（10），1343–1358。
超分辨重建算法
01-07
超分辨重建算法是一种在图像处理领域中至关重要的技术，它旨在通过提高图像的像素密度来提升图像的清晰度和细节表现力。在这个场景下，我们关注的是基于SRCNN（Super-Resolution Convolutional Neural Network）的...
pytorch训练GAN的代码（基于MNIST数据集）
jie的博客
09-17 1453
论文：Generative Adversarial Networks 作者：Ian J. Goodfellow 年份：2014年 从2020年3月多开始看网络，这是我第一篇看并且可以跑通代码的论文，简单记录一下，有时间会补充。 更多关于GAN的可以看我另一篇：https://blog.csdn.net/demo_jie/article/details/106724016 直接讲代码实现部分 真实图片： 代码： import torch import torchvision import torch.nn
超分损失函数小结
bbbeoy的专栏
08-24 3635
原论文：Deep Learning for Image Super-resolution: A Survey 1.Pixel Loss：用来度量生成图片和目标图片的像素级的差异 1.1 L1 loss 1.2 L2 loss 1.3 Charbonnier loss：L1 Loss的变体，最后参数是一个很小常量（e.g., 1e − 3），为了使数值稳定 像素损失是最常见的损失，通常L2损失能够对大的损失进行惩罚，但是在小的损失上无能为力，效果不如L1，像素损失实际上并没...
【图像超分辨率重建】——“SISR 中的Edge-Based 损失函数”论文精读
Sunny_Coder的博客
11-03 2983
【图像超分辨率重建】——“SISR 中的Edge-Based 损失函数”论文精度
计算psnr函数_一些损失函数的奇淫怪想
weixin_30990711的博客
01-14 1479
No.1： MSE（Mean Squared Error）公式：以单个样本举例：假设a=σ(z), where z=wx+b利用SGD算法优化损失函数，通过梯度下降法改变参数从而最小化损失函数：链式原则对两个参数权重和偏置进行求偏导：MSE作为像素级的损失函数，只考虑了像素之前的差距，而并没有考虑整张图像的特征分布，比如在图像超分辨率任务中，可能得到很高的PSNR值，但是并不符合我们人的视觉高观，...
损失函数(Loss Function) -1
Leo的博客
04-12 6184
转载自： 损失函数(Loss Function) -1 - 阁子 - 博客园 http://www.cnblogs.com/rocketfan/p/4083821.html          损失函数(Loss Function) -1 http://www.ics.uci.edu/~dramanan/teaching/ics273a_winte
matlab中PSNR
09-13
在Matlab中，PSNR（Peak Signal-to-Noise Ratio）是一种用于衡量信号的质量损失指标。它常用于图像或视频压缩领域。 要计算图像之间的PSNR，可以使用以下代码： ```matlab function psnrValue = calculatePSNR(originalImage, noisyImage) % 将图像转换为double类型 originalImage = im2double(originalImage); noisyImage = im2double(noisyImage); % 计算MSE（Mean Squared Error） mseValue = mean((originalImage(:) - noisyImage(:)).^2); % 计算PSNR maxIntensity = 1; % 图像的最大亮度级数 psnrValue = 10 * log10((maxIntensity^2) / mseValue); end ``` 其中，`originalImage` 是原始图像，`noisyImage` 是带有噪声的图像。函数返回的 `psnrValue` 即为计算得到的PSNR值。 值得注意的是，PSNR的值越高，表示图像质量损失越小。通常情况下，PSNR在30以上被认为是较好的图像质量，而在20以下则表示质量较差。但需要注意的是，PSNR只是一种客观指标，并不能完全反映人眼对图像质量的感知。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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