ClassSR: A General Framework to Accelerate Super-Resolution Networks by Data Characteristic
文章链接:https://arxiv.org/pdf/2103.04039.pdf
项目地址:https://github.com/Xiangtaokong/ClassSR
1、abstract、introduction、related work
不同的图像区域有不同的恢复难度。本文将图像进行分解,并采用相对应的网络来处理不同的子图像。
首先采用分类模型根据重建的难度将子图像进行分类,然后采用相对应的SR模块来进行SR。其中SR模块中是需要被加速的网络及其简化版。
本文致力于在大尺度图像的加速上。本文的创新在于分类网络和训练策略。本文主要的两个损失,calss-loss和average-loss。
现有的轻量化网络专注于设计轻量化的网络结构。相反,我们的ClassSR是一个通用框架,可以加速大多数现有的SR方法,即使是从小型网络到大型网络
3、method
3.1 observation
这里作者介绍了产生本文ideal的原因。在DIV2K验证集上获取32*32的子图像,然后将这些子图像用[20]的方法进行SR,并计算PSNR值。然