key word:LapSRN CNNSR 残差
Abstract:利用拉普拉斯金字塔SR网络重建LR的次级(?)残差。
主要方法:低级的feature maps → 金字塔层N → 高分辨率残差 ,按此形式层层放大
备注:
- 网络结构:
每个金字塔层:卷积层xN(提取特征) → 反卷积层(上采样2倍) → 卷积层(提取特征) → 卷积层(预测残差)
输入图像:在每级也经过一个反卷积层使尺寸上采样2倍,再与此级的残差相加,就能重构出这一级的上采样结果。
- 链接:
github(matconvnet):https://github.com/phoenix104104/LapSRN
github(pytorch):https://github.com/twtygqyy/pytorch-LapSRN
github(tensorflow):https://github.com/zjuela/LapSRN-tensorflow
参考:https://zhuanlan.zhihu.com/p/31664818
扫描二维码关注公众号,回复:
2868257 查看本文章