RepSR:通过结构重新参数化和批量归一化来训练高效的VGG式超分辨率网络(探究sr中的bn)

解决了sr中由于引入bn造成的伪影问题。
摘要由CSDN通过智能技术生成

RepSR: Training Efficient VGG-style Super-Resolution Networks with Structural Re-Parameterization and Batch Normalization

(RepSR:通过结构重新参数化和批量归一化来训练高效的VGG式超分辨率网络)

作者:1.Xintao Wang, 2.Chao Dong,3.Ying Shan

单位:ARC Lab, Tencent PCG, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences; Shanghai AI Laboratory

代码:https://github.com/TencentARC/RepSR.(暂未放出)

论文地址:https://arxiv.org/pdf/2205.05671

一、问题亮点

1.将训练的多分支架构sr网络模型直接用于测试通常会导致较差的性能表现,要如何去解决这个问题?

2.在当前的sr网络中BN通常被替换或删去,应为他通常会带来性能损失和奇怪的伪影,还有就是bn在sr领域也缺乏相关研究

<
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
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