LP-KPN

拼搏现实的明天。 2021-12-23 14:45 255阅读 0赞

LP-KPN 网络结构

1382235-20190419104448123-1989350085.png

  1382235-20190419104504606-1916817331.png

网络解析

  1. 网络结构中绿色星星标志 公式。其实就是用预测出来的核在原图片经过Laplacian pyramid decomposes 后的图片上进行卷积运算。所以应该使用padding

1382235-20190419110357302-1021198274.png

2.文章中,该模型是在YCbCr空间上的Y通道实验的

3.最后的Laplacian pyramid restore 过程,应该是使用 Laplacian pyramid unsample (作者没明写,但不是sub-pixel shuffle 网络结构中并未体现)

4.作者提到由于LP的网络结构,使得学习的k*k核等效于4k*4k的核,这减少了参数量

实验参数

1.使用adam训练

2.lr = 1e-4,训练1000K次迭代

3.对于核k的大小,作者在实验中讨论,不一定大的核获取更棒的性能。

实验

实验1:训练数据集的对比,为了展现Real-SR数据集能提高超分辨率的性能,作者使用DIV2K用过BD(bicubic degradation)和MD(multiple degradation)去生成LR,然后用比较流行的模型去训练

1382235-20190419124746254-293544181.png

实验2:证明LP-KPN模型性能:通过对比过去的模型,LP-KPN不仅参数量少而且性能也最好,这里也提出核大小为5比KPN核为19更棒,这是由于LP-KPN的结构

1382235-20190419124938580-1509257878.png

转载于:https://www.cnblogs.com/echoboy/p/10735253.html

发表评论

表情:
评论列表 (有 0 条评论,255人围观)

还没有评论,来说两句吧...

相关阅读