Shwan_ma的博客

这篇文章是NTIRE2017 Super-Resolution Challenge 夺冠文章。机器之心对此进行了简单的翻译，还是比较详细的： https://mp.weixin.qq.com/s/xpvGz1HVo9eLNDMv9v7vqg这篇博客主要记录我对这篇文章的理解：一、本文主要内容:该文章提出了两种模型EDSR（单一尺度网络） 和 MDSR（多尺度超分辨率架构）。目前一个DL网络往往对应

前几天陈启峰大佬在我司内部分享几篇关于图像增强的文章.其中就有这篇。这篇文章是超分辨率落地的一个比较重要的文章，跟以往自己去做高/低分辨率数据集不同，本文采取了单反直接去制作数据集，在真实场景上效果非常好。本文也被CVPR2018接收了。论文名称：Zoom to Learn, Learn to Zoom背景：与以往的超分辨率算法不同，本文并没有去对高分辨率图像进行bicubic降采样来制作低...

由于人眼对颜色不敏感，而对光亮通道更加敏感。因此在超分辨率任务中，我们通常需要将RGB通道转换为Ycbcr通道。在Python的代码实现中，我发现opencv的RGB转Ycbcr的计算方式和Matlab的实现方式有些不同，而NTIRE的评估往往是在matlab平台的。因此，这里需要注意。Python RGB转Ycbcr通道对于Set5中的baby图像 Code:img = cv2....

背景：超分辨率挑战赛Super Resolution Challenges (e.g. NTIRE) 降采样（downscaling）- bicubic interpolation- 是利用Matlab的imresize()函数实现的。Track info:Track 1: bicubic uses the bicubic downscaling (Matlab imresize), one...

之前我一直在做基于CNN的超分辨率研究。最近因为工作需要，需要研究基于生成对抗网络GAN的网络来做超分辨率任务。 在这段时间以来，我发现CNN和GAN两类网络的侧重点其实完全不同。CNN旨在于忠实的恢复图像的高频信息，而GAN在于生成更真实或者说更符合人眼的高分辨率图片。本文论文名：《Photo-Realistic Single Image Super-Resolution Using a ...

本篇博文主要根据《Deconvolution and Checkerboard Artifacts》这篇文章作为基础，并结合了自己的理解。如果有理解错误，欢迎指出。提要深度学习生成的图片中，我们往往可以看到一些伪影和棋盘效应。在一些颜色变化明显的图片中，这种情况出现的更加频繁。本文将着重分析这种情况的出现原因以及提出对应的解决办法。 Deconvolution & O...

文章名称：《Deep Back-Projection Networks for Super-Resolution》 作者： Muhammad Haris, Greg Shakhnarovich and Norimichi Ukita这篇文章是CVPR 2018年的文章，相较同时录用的《Residual Dense Network for Image Super-Resolution》，本文章...

在超分辨率问题中，一直存在着两个经典的图像质量评价算法。其中一个是PSNR(峰值性噪比)，还一个便是SSIM（结构相似性评价）。由于最近有用到SSIM，自己写了个python代码版本的SSIM放在文章最后。SSIM算法简单介绍 其中ux、uy分别表示图像X和Y的均值，σX、σY分别表示图像X和Y的方差，σXY表示图像X和Y的协方差，即 C1、C2、C3为常数，为了避免分母为0的情况

这篇文章在超分辨率中应该算是一种标杆类的算法，虽然Recursive-Convolution Network在图像上的应用并不是由这篇文章率先提出，但在超分辨率处理中应该是第一篇。首先简单介绍下网络模型，作者将该网络分成3个subnet，Embedding network， Inference Network和Reconstruction Network。 Embeding NetEmbedin

期刊论文： https://arxiv.org/abs/1710.01992 会议论文CVPR2017： http://vllab.ucmerced.edu/wlai24/LapSRN/papers/cvpr17_LapSRN.pdf 项目主页：http://vllab.ucmerced.edu/wlai24/LapSRN/看了眼作者，Jia-Bin Huang是传统算法领域（呃，自从深度学

论文链接：https://arxiv.org/abs/1511.04587 论文code: https://github.com/huangzehao/caffe-vdsr这篇文章受VGG的启发，通过stack filters来获得一个比较大的感受野。最大达到41x41的感受野，在形式上，其实更有点像ResNet。本文认为Dong的SRCNN虽然成功把CNN引入到SR中，但是依然受限于三个方面：1

论文全称： 《Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network》 论文链接：https://arxiv.org/abs/1609.05158 全文翻译：http://www.jianshu.com/p/9d654bdbd5e2这篇

FSRCNN仍然是由港中文大学的Dong Chao, Tang XiaoOu等人做出来的文章，是SRCNN（将CNN引入超分辨率处理的开山之作）之后的又一力作。 该文章发表在CVPR2016上的文章，声称能在CPU上进行实时处理视频超分辨率。最近发现论文写作真的跟作者风格很有关，Tang的ScSR，SRCNN，FSRCNN写得都很通俗易懂，让人有种恍然大悟的感觉。不过在CNN之前的一些传统SR m

这是一篇被CVPR2019收录的论文，论文名称：《Deep Network Interpolation for Continuous Imagery Effect Transition》作者：由xintao大佬一作，Yu Ke, Dong Chao, XIaoou Tang（汤老师）, Chen Change Loy（吕老师）商汤出品，必属精品。项目主页： https://github.c...