超分辨领域的loss:
1. L1损失
L1损失,也被称为最小绝对偏差(LAD),最小绝对误差(LAE)。
计算的是实际值与目标值之间绝对差值的总和。在有监督的图像超分辨率任务中,目标是使得生成的图像(SR)尽可能接近真实的高分辨率图像(HR),使用L1损失计算的则是SR和HR对应像素位置的值的误差。
使用L1损失的模型(有的模型使用了不止一种损失函数,此处罗列的为损失函数中包含L1损失的方法):LapSRN、EDSR、RDN、CARN、ESRGAN、CARN、MSRN、RCAN、ESRGAN、SAN、SRFBN… … 最近几年越来越多的方法使用L1损失。
2. L2损失
也叫均方误差损失(MSE),计算的是实际值与目标值之间绝对差值的平方总和。
使用L2损失的模型:SRCNN、DRCN、FSRCNN、ESPCN、DRRN、SRResNet…
很多论文已经证明了使用L2损失函数会产生模糊的图像,所以好像最近用得不是很多。
3. Perceptual loss
4.图像超分辨的一些损失
https://www.cnblogs.com/jiangnanyanyuchen/p/11884912.html
不管是L1损失函数,还是L2损失函数,都有两大缺陷:
假定噪声的影响和图像的局部特性是独立的。然而,人类的视觉系统对噪声的感知受局部照度、对比、结构的影响。
假定噪声接近高斯白噪声,然而这一假定并不总是成立。