图像超分辨率：使用 SRCNN 和 ESPCN 模型在 DIV2K 数据集上实现

图像超分辨率：使用 SRCNN 和 ESPCN 模型在 DIV2K 数据集上实现

简介

图像超分辨率（Super-Resolution, SR）是计算机视觉中的一项重要任务，旨在将低分辨率图像转换为高分辨率图像。这在医学影像、卫星照片、视频流质量增强等领域有广泛应用。SRCNN（Super-Resolution Convolutional Neural Network）和 ESPCN（Efficient Sub-Pixel Convolutional Neural Network）是常用的深度学习模型，用于解决图像超分辨率问题。

应用场景

1. 医学成像：提高CT、MRI等医疗图像的分辨率以辅助诊断。
2. 卫星成像：增强卫星图像细节，提高地理信息系统的精度。
3. 视频流增强：提升视频通话或流媒体播放的清晰度。
4. 安全监控：提高监控视频的分辨率便于识别细节。

原理解释

SRCNN

SRCNN由三层卷积网络组成：