文章目录
1 传统方案
最近邻插值(Nearest-neighbor)
双线性插值(Bilinear)
双三次插值(bicubic)
2 基于CNN的实现方案
2.1 SRCNN
2014年提出的 SRCNN 是首个利用 CNN 实现超分辨率的方式。
SRCNN 流程为:
- 1)模型的输入为 LR,利用 bicubic 算法将其放大为目标尺寸;
- 2)将经过处理的 LR 图像输入网络,经过 CNN 处理得到 SR 图像;
- 3)将 SR 图像与目标 HR 图像作对比,利用 MSE 作为 Loss,不断优化,做到 SR 与 HR 图像尽可能相似。
2.2 WeChat AI
3 基于GAN的实现方案
3.1 SRGAN
3.2 ESRGAN
3.3 Real-ESRGAN
4 基于GAN的QR Code的实现方案
(1)基于SRGAN模型
验证可行性
ESRGAN
Real-ESRGAN
(2)Generator
基于SRCNN的方式,预处理输入LR图片
(3)Discriminator
提取feature map,计算content loss
根据识别率计算adversarial loss
(4)去掉BN层
像素级生成任务
保持图像原本的对比度信息
(5)模型蒸馏