Accurate Image Super-Resolution Using Very Deep Convolutional Networks
摘要
我们提出了一种高精度的单图像超分辨率(SR)方法。我们的方法使用了一个非常深的卷积网络,灵感来自于用于ImageNet分类的VGG网络。我们发现网络深度的增加可以使得精度的显著提高。 我们的最终模型使用20层。通过在深层网络结构中多次级联小型过滤器,可以有效地利用大型图像区域上的上下文信息。然而在非常深的网络中,收敛速度成为训练中的关键问题。我们提出一个简单而有效的训练程序。我们仅学习残差,使用极高的学习率(比SRCNN 高出104倍),通过可调梯度裁剪实现。
介绍
我们解决了给定低分辨率(LR)图像生成高分辨率(HR)图像的问题,通常称为单图像超分辨率重建(SISR)。SISR广泛应用于计算机视觉应用,从安全和监控成像到医疗影像(需要更多的图像细节)。
在计算机视觉领域已经研究了许多