超分辨率重构二---FSRCNN

最新推荐文章于 2025-10-22 20:41:33 发布

原创

最新推荐文章于 2025-10-22 20:41:33 发布 · 971 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #卷积 #tensorflow

本文介绍了FSRCNN，一种用于图像超分辨率的卷积神经网络，通过改进SRCNN的缺陷，如速度慢和训练时间长，FSRCNN使用反卷积层替代双三次插值，并在非线性映射中加入缩小和放大层，显著提高了处理速度和训练效率。

FSRCNN(Accelerating the Super-Resolution Convolutional Neural Network)阅读笔记
1、论文地址：https://arxiv.org/abs/1608.00367
2、github上tensorflow代码： https://github.com/yifanw90/FSRCNN-TensorFlow
3、论文介绍
3.1、SRCNN的缺点
速度太慢，速度慢的原因主要有两个方面，第一个由于使用双三次插值进行上采样将图像放大，在卷积的时候所用的时间就会多出来放大倍数的平方的时间。所用的时间和图像的放大倍数n有关系，所以时间复杂度会以n的平方进行增长，第二个就是非线性映射，有研究显示映射的增多会有更好的结果，但同时带来的时间会增大，SRCNN中就是因为在非线性映射层中有太多的参数，导致训练太慢。FSRCNN解决了上述的两个问题。
3.2、解决办法
对于第一个问题，使用反卷积层代替原来的双三次插值。
对于第二个问题，在非线性映射开始加入缩小层减少特征，在结尾部分加入放大层还原特征的数量。使得整体的网络形状和时间漏斗比较相像。
3.3、FSRCNN特点