- 1 传统方案
- 2 基于CNN的实现方案
- 2.1 SRCNN
- 2.2 WeChat AI
- 3 基于GAN的实现方案
- 3.1 SRGAN
- 3.2 ESRGAN
- 3.3 Real-ESRGAN
- 4 基于GAN的QR Code的实现方案
https://blog.csdn.net/caomin1hao/article/details/81092134?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7Eessearch%7Evector-7.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7Eessearch%7Evector-7.no_search
最近邻插值(Nearest-neighbor)
双线性插值(Bilinear)
双三次插值(bicubic)
2014年提出的 SRCNN 是首个利用 CNN 实现超分辨率的方式。
SRCNN 流程为：
- 1）模型的输入为 LR，利用 bicubic 算法将其放大为目标尺寸；
- 2）将经过处理的 LR 图像输入网络，经过 CNN 处理得到 SR 图像；
- 3）将 SR 图像与目标 HR 图像作对比，利用 MSE 作为 Loss，不断优化，做到 SR 与 HR 图像尽可能相似。
（1）基于SRGAN模型
验证可行性
ESRGAN
Real-ESRGAN
（2）Generator
基于SRCNN的方式，预处理输入LR图片
（3）Discriminator
提取feature map，计算content loss
根据识别率计算adversarial loss
（4）去掉BN层
像素级生成任务
保持图像原本的对比度信息
（5）模型蒸馏
