zerone_zjp的博客

https://blog.youkuaiyun.com/sinat_33761963/article/details/83958802

减去RGB均值（以DIV2K数据集为例）原因：为了进行数据特征标准化，即像机器学习中的特征预处理那样对输入特征向量各维去均值再除以标准差，但由于自然图像各点像素值的范围都在0-255之间，方差大致一样，只要做去均值（减去整个图像数据集的均值或各通道关于图像数据集的均值）处理即可。class MeanShift(nn.Conv2d): def __init__(self, rgb_range, rgb_mean, rgb_std, sign=-1): super(MeanShift

图像频率图像频率是指图像中灰度变化剧烈程度的指标。图像低、高频信息图像的主要成分是低频信息，它形成了图像基本的灰度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高频信息形成了图像的边缘和细节，是在中频信息上对图像内容的强化。低频信息图像低频信息表示图像中灰度值变化缓慢的区域，对应着图像中大块平坦的区域，也就是大范围大尺度的信息，即常说的背景，是图像的大致概貌和轮廓，是图像的近似信息。高频信息图像高频信息表示图像中灰度值变化剧烈的区域，对应着图像的边缘、

1*1卷积的主要作用1、降维（减少参数）。比如，一张500×500且深度为100的图片在20个filter上做1×1的卷积，那么结果的大小为500×500×20；2、升维（用最少的参数拓宽网络channal）；3、加入非线性。卷积层之后经过激励层，1×1的卷积在前一层的学习表示上添加了非线性激励（ non-linear activation ），提升网络的表达能力；4、跨通道信息交互和特征整合（channal 的变换）。使用1×1卷积核，实现降维和升维的操作其实就是channel间信息的线性组合变化