图像超分辨率重构SRCNN代码中几个问题

 

整个网络结构只有三层，比较简单，卷积核大小分别为9、1、 5

网络输入image为33*33， 网络的输出为21*21

最原始的训练数据只有91张图片（bmp），每张图片的大小尺寸各不相同，通过分割，转换成33*33和21*21的sub_images各有28800多张，形成了训练数据集。33*33为网络输入，21*21为期望输出（即为标签）

 

问题一、

将原始图片经过插值放大再缩小，虽然得到的数据大小没有变化，通过这种方法得到的数据作为LR的images(即LR_input),将原始图片作为HR的images（即HR_output），其实最终网络所拟合的不过是这种放大再缩小的过程，这样的做法来构造数据集似乎存在很大的局限性，是否有更好的方法。

问题二、

输出为何是21*21

（已解决，33-（9-1）-（1-1）-（5-1）=21）

问题三、（已解决）

各版本的代码在构造网络训练的输入（33*33）和标签（21*21）时，发现这两块图片并不是原始图的同一个区域，这样的数据对作为输入和标签好像没有什么太大的意义，这一块不只是理解的偏差还是应该就是这样的

sub_input = input_[x:x+config.image_size, y:y+