摘要:作者针对神经网络训练时间长,重建高频细节缺失等问题,构建了使用残差学习的的图像超分算法。网络通过残差学习,加快网络的学习和收敛速度,在残差网络基础上,加入了分数阶傅里叶变换来最大限度的恢复图片的细节信息。
网络结构。作者在VDSR的基础上,改进残差模块,加入分数阶傅里叶变换。这里图像经过分数阶傅里叶变换相当于图像经过了不同截止频率的高通滤波器。进一步提取图像的细节信息。
作者认为BN层的存在会对卷积层的特征进行正则化,对训练速度和最后的精度都有影响。所以作者提出改进了残差单元。
实验部分