简介
图像超分辨率,也叫super resolution。简称SR,它的目的就是把一张图片的分辨率提高,让它变清楚。
应用
- 游戏材质
- 减少传输带宽
- 民生领域
方法
- 稀疏编码
它的缺点是,训练和推理时都很耗时。 - 深度学习方法
这其中有卷积神经网络的方法和生成对抗网络的方法。
-
SRCNN
SRCNN(Super-Resolution Convolutional Neural Network)是一种基于深度学习的图像超分辨率重建方法,它可以将低分辨率图像转换为高分辨率图像。SRCNN是由Chao Dong等人于2014年提出的,是一种端到端的卷积神经网络,由三个卷积层组成。
SRCNN的输入是低分辨率图像,输出是对应的高分辨率图像。SRCNN的训练过程是通过最小化重建图像与原始高分辨率图像之间的均方误差来完成的。在实际应用中,SRCNN可以用于图像放大、图像修复等任务。
SRCNN相较于传统的图像超分辨率方法具有更好的效果,能够生成更加清晰、细节更加丰富的高分辨率图像。SRCNN的成功也为后续的深度学习图像超分辨率方法奠定了基础。
-
Fast SRCNN
速度远快于SRCNN。
它上采样使用的方法是转置卷积。
它能达到CPU上实时效率。
但是使用转置卷积会导致网格现象。因此提出了次像素卷积。
-
SRResNet