SRCNN原理
如上图所示,SRCNN作为深度学习在超分辨率上的第一个应用,仅仅用了简单的三层CNN(但是效果已经很好了),原作者将这三层分别表示为:
- 第一层CNN:对输入图片的特征提取。(9 x 9 x 64卷积核)
- 第二层CNN:对第一层提取的特征的非线性映射(1 x 1 x 35卷积核)
- 第三层CNN:对映射后的特征进行重建,生成高分辨率图像(5 x 5 x 1卷积核)。
- 注:最原始的SRCNN输入不是低分辨率图像,而是低分辨率双立方插值后的图片
实现过程遇到的问题以及解决办法
采用亮度通道训练,最后测试生成的图片变成偏紫色。
一开始,我采用了论文说的只训练YCbCr模式的Y通道,具体流程就是:训练的时候输入BRG模式的图片,再转化为YCbCr模式,但是只将Y通道通过CNN网络,最后输出的结果再和另外两个合成生成心得YCbCr模式图片,最后