![f55448b56f64b03b97aede2f9e87a1e0.png](https://i-blog.csdnimg.cn/blog_migrate/b65b55d7587f77b6772d8d51fe364439.jpeg)
Perceptual Extreme Super Resolution Network with Receptive Field Block
Perceptual Extreme Super Resolution Network with Receptive Field Blockopenaccess.thecvf.comNTIRE2020极限超分赛道的冠军~
提出了2个可以参考的超分结构和1个模型增强方案!
解决的问题
极限超分需要解决纹理细节问题。
本文提出了3个改进点:
- 引入 Receptive Field Block (RFB) 到超分中,平衡小计算量和大感受野的问题,能抽取很细节的特征(RFB在目标检测、图像识别上已经验证过其强大能力);
- 交替使用 Nearest Neighborhood Interpolation (NNI) 和 Sub-pixel Convolution (SPC) 的上采样操作实现
的超分,实现
- 使用权重平均的方法,对训练过程中10个优质模型进行融合,提升模型抗噪能力和鲁棒性。
最终将改进的模型,在ESRGAN的框架下应用。
算法细节
- 整体结构
整体和ESRGAN一致。
![16ef07b892ed99d53baaac79547e70a4.png](https://i-blog.csdnimg.cn/blog_migrate/d2b80bf1dbdacf3ad8e1311e98b39602.jpeg)
先使用一