2019/11/3
没想到都到了做比赛的第五天了,今天开组会仔细讨论了一下超分的算法,有一个好的想法是基于UNET的,在这里可以先记录一下,
基本上理清楚了思路之后我想还是考虑一下训练应该怎么设计。
2019/11/2:
考虑了半天使用lmdb格式真的不利用现在的数据加载,暂时放弃,想可视化一下网络,发现batch-size=1都超出了内存,仔细看了一下发现网络太复杂了,图片太大,对应的参数太多,源程序训练都是把大图片切成小图片训练的,阅读论文DBPN,主要弄清楚Back Projection的原理, 查看了一下89年的论文,Improving Resolution by Image Registration,大概懂了反向Back Projection 方法
关于DBPN的加强算法D-DBPN感觉DenseNet网络真的很适用于高分辨图像,不错的idea
使用的是adam算法,lr设置为1e-4,这样就意味着调参会很随意,后面肯定要给他改写成Range算法
查看了一下这篇论文用的数据集DIV2K数据集,其实总共只有1000张图片,用于训练图片只有800张,每张图片大小197601080,