第一次来请先看这篇文章:【超分辨率(Super-Resolution)】关于【超分辨率重建】专栏的相关说明,包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等)
文章目录
前言
论文题目:Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution —— 用于快速准确的超分辨率的深度拉普拉斯金字塔网络
论文地址:Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
Pytorch代码地址:https://github.com/twtygqyy/pytorch-LapSRN
Abstract
卷积神经网络最近证明了单图像超分辨率的高质量重建。在本文中,我们提出了拉普拉斯金字塔超分辨率网络(LapSRN)来逐步重建高分辨率图像的子带残差。在每个金字塔级别,我们的模型以粗分辨率的特征图作为输入,预测高频残差,并使用转置卷积进行上采样到更精细的级别。我们的方法不需要双三次插值作为预处理步骤,从而大大降低了计算复杂度。我们使用稳健的 Charbonnier 损失函数使用深度监督训练所提出的 Lap