《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》介绍及代码

本文介绍了2018年ECCV论文《ESRGAN:增强型超分辨率生成对抗网络》中的关键改进,包括移除BN层、使用相对鉴别器、感知损失优化和网络插值策略。RRDB结构的引入和优化显著提升了SRGAN的泛化能力和视觉质量。

RRDB是由2018年发表在ECCV的《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》提出的,该论文提出的方法在PIRM2018-SR Challenge中获得了第一名。代码。文章主要是在SRGAN的改动,SRGAN网络架构如下图所示:

在这里插入图片描述

论文的主要工作有三个:

1. 修改了SRGAN的网络架构,去掉了所有的BN层,将原始基础的残差块用提出的RRDB替换,如下图所示:
在这里插入图片描述
这样做的原因为:
(1)BN层在训练期间使用批次的均值和方差对特征进行归一化,在测试期间使用整个训练数据集的估计均值和方差。当训练和测试数据集的统计数据差异很大时,BN层往往引入不适的伪影,限制了泛化能力,去掉BN层减少了计算复杂度以及内存
(2)根据已有的知识可以发现,网络层数和连接越多,效果越好。RRDB引入了更深和更复杂的架构,具有residual-in-residual结构,不需要担心梯度爆炸等问题。在主路上使用密集块,提高了网络能力。

2. 使用相对判别器代替了标准的判别器。如下图所示:
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值