基于深度学习的超级分辨率，无需使用GAN

本文介绍了技术和培训深度学习模型的图像改进，图像恢复，修复和超分辨率。这利用了Fastai课程中教授的许多技术，并利用Fastai软件库。这种训练模型的方法是基于非常有才华的AI研究人员的方法和研究，我将它归功于我在信息和技术方面的能力。
据我所知，我用这些训练数据应用的一些技术在这一点上是独一无二的（截至2019年2月），只有少数研究人员将所有这些技术结合在一起，很可能是Fastai的研究人员/学生。

超级分辨率

超分辨率是升级和/或改善图像内细节的过程。通常将低分辨率图像作为输入，并将相同图像放大到更高的分辨率，即输出。高分辨率输出中的细节填写在细节基本未知的地方。
超级分辨率基本上就是你在电影和连续剧中看到的内容，例如CSI，有人放大图像，它的质量提高，细节就出现了。
去年2018年初，我首次在优秀的YouTube 2分钟论文中听说过“AI超级分辨率”，其中包含对最新AI论文的简短评论（通常超过2分钟）。当时它看起来像魔术，我无法理解它是如何可能的。绝对不辜负Arthur C Clarke的话：“任何先进的技术都与魔术无法区分”。我认为不到一年的时间我就会训练自己的超级分辨率模型并写下它。
这是我正在撰写的一系列文章的一部分，作为我在人工智能和机器学习方面不断学习和研究的一部分。我是一名软件工程师和分析员，负责成为AI研究员和数据科学家。
我写这部分是为了加强我自己的知识和理解，希望这对其他人也有帮助和兴趣。我试图将大部分内容保留在尽可能简单的英语中，以便希望对于熟悉机器学习的人有一些更深入的技术细节和与同事研究的联系。这些主题和技术的理解非常具有挑战性，并且花了我几个月的时间来试验和写这篇文章。如果你不同意我写的或认为这是错的，请联系我，因为这