图像超分辨率网络：EDSR

   

作者：石文华           

编辑：陈人和           

前  言

图像超分辨率（SR）问题，特别是单图像超分辨率（single image super-resolution，SISR）问题，最近十年来受到越来越多的研究关注。SISR的目的是从单个低分辨率图像I（LR）重建高分辨率图像I（SR）。通常，I（LR）与原始的高分辨率图像I（HR）之间的关系根据不同的情况是不同的。许多研究假设I（LR）是I（HR）的双三次降采样版本，但是其他降质因素，例如模糊，抽取或噪声在实际应用中也可以考虑。深度超分辨率网络EDSR是NTIRE2017超分辨率挑战赛上获得冠军的方案。

章节目录

• 存在问题

• 方法

• 上采样

• 网络架构

• 在NTIRE2017超分辨率挑战赛的结果

• 补充

01

存在问题

深度神经网络为SR问题中的峰值信噪比（PSNR）提供了显着的性能改进。但是，这样的网络在架构最优性方面有所限制。 

（1）、神经网络模型的重建性能对架构的微小变化很敏感。同样的模型在不同的初始化和训练技术之下实现的性能水平不同。 

（2）、大多数现有的SR算法将不同缩放因子的超分辨率问题作为独立的问题，没有考虑并利用SR中不同缩放之间的相互关系。 因此，这些算法需要许多scale-specific的网络，需要各自进行训练来处理各种scale。 

（3）、SRResNet 成功地解决了计算时间和内存的问题，并且有很好的性能，但它只是采用了原始的ResNet架构，而原始的ResNet目的是解决更高层次的计算机视觉问题，例如图像分类和检测。因此，将ResNet架构直接应用于超分辨率这类低级视觉问题可能不是最佳的。

02

方法

为了解决上述那些问题，基于SRResNet架构，作者通过分析删除不必要的模块进行优化，把batch norm层移除掉（bn层的计算量和一个卷积层几乎持平，移除bn层后训练时可以节约大概40%的空间）以及相加后不经过relu层，同时为了保证训练更加稳定，残差块在相加前，经过卷积处理的一路乘以一个小数（比如作者用了0.1）。这些改变构造出更简单的结构，并且在计算效率上优于原始网络，最终的结构图如下：

新的resBlock代码：

import os	
import sys	
import math	
import torch	
import torch.nn as nn	
import torch.nn.functional as F	
import numpy as np	
def conv(inp, oup, kernel_size, stride=1, dilation=1, groups=1, bias=True):	
    padding = ((kernel_size -1) * dilation + 1) // 2	
    return nn.Sequential(	
        nn.Conv2d(inp, oup, kernel_size, stride=stride, padding=padding, dilation=dilation, groups=groups, bias=bias),	
    )	
class ResBlock(nn.Module):	
    def __init__(self, inp, kernel_size=3, bias=True, bn=False, act=nn.ReLU(True), res_scale=1):	
        super(ResBlock, self).__init__()	
        modules = []	
        for i in range(2):	
            modules.append(conv(inp, inp, kernel_size, bias=bias))	
            if bn: 	
                modules.append(nn.BatchNorm2d(inp))	
            if i == 0: 	
                modules.append(act)	
        self.body = nn.Sequential(*modules)	
        self.res_scale = res_scale	
    def forward(self, x):	
        res = self.body(x).mul(self.res_scale)	
        res += x	
        return res	
resBlock=ResBlock(64)	
resBlock

Out[1]: 	
ResBlock(	
  (body): Sequential(	
    (0): Sequential(	
      (0): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))	
    )	
    (1): ReLU(inplace)	
    (2): Sequential(	
      (0): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))	
    )	
  )	
)

03

上采样

(1)Interpolation

比如SRCNN就用简单的三次样条插值进行初步的上采样，然后进行学习非线性映射 。 

(2)deconvolution

比如FSRCNN在最后的上采样层，通过学习最后的deconvolution layer。但deconvolution本质上是可以看做一种特殊的卷积，理论上后面要通过stack filters才能使得性能有更大的提升，用deconvolution作为upscale手段的话，通常会带入过多人工因素进来(有不少论文提到这个)。

(3)亚像素卷积层(sub-pixel convolutional layer) 

网络的输入是原始低分辨率图像，通过三个卷积层以后，得到通道数为r^2的与输入图像大小一样的特征图像。再将特征图像每个像素的r^2个通道重新排列成一个[r×r]大小的子块，从而大小为[H×W×r^2]的特征图像被重新排列成[rH×rW×1]的高分辨率图像。

如上图，可以看出r^2其实就是9，有9个通道，目的就是为了使分辨率增大原来的3倍，所以它从左到右、从上到下把对应的1*1*9的特征展开成3*3的特征，重组成一个新的特征图，上采样代码:

class Upsampler(nn.Sequential):	
    def __init__(self, scale, inp, bn=False, act=False, bias=True, choice=0):	
        modules = []	
        if choice == 0: #subpixel	
           if (scale & (scale - 1)) == 0:    # Is scale = 2^n?	
               for _ in range(int(math.log(scale, 2))):	
                   modules.append(conv(inp, 4 * inp, 3, bias=bias))	
                   modules.append(nn.PixelShuffle(2))	
                   if bn:	
                       modules.append(nn.BatchNorm2d(inp))	
                   if act:	
                       modules.append(act())	
           elif scale == 3:	
               modules.append(conv(inp, 9 * inp, 3, bias=bias))	
               modules.append(nn.PixelShuffle(3))	
               if bn: 	
                   modules.append(nn.BatchNorm2d(inp))	
               if act: 	
                   modules.append(act())	
           else:	
               raise NotImplementedError	
        elif choice == 1: #decov反卷积	
           modules.append(nn.ConvTranspose2d(inp, inp, scale, stride=scale))	
        else: #bilinear  #线性插值上采样	
           modules.append(nn.Upsample(mode='bilinear', scale_factor=scale, align_corners=True))	
        super(Upsampler, self).__init__(*modules)	
# tail	
scale=2	
inp=64	
output_channel=3	
if scale > 1:	
    tail = nn.Sequential( *[ Upsampler(scale, inp, act = False, choice = 0), conv(inp, 3, output_channel) ] )	
else:	
    tail = nn.Sequential( *[ conv(inp, 3, output_channel) ] )	
tail 

Out[2]: 	
Sequential(	
  (0): Upsampler(	
    (0): Sequential(	
      (0): Conv2d(64, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))	
    )	
    (1): PixelShuffle(upscale_factor=2)	
  )	
  (1): Sequential(	
    (0): Conv2d(64, 3, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))	
  )	
)

04

网络架构

(1)、单尺度SR网络（EDSR）的架构 

和SRResnet非常相似，但移除了残差块里的bn和大多数relu。最终的训练版本有B=32个残差块，F=256个通道。并且在训练*3，*4模型时，采用*2的预训练参数。

(2)、多尺度SR网络（MDSR）的架构 
一开始每个尺度都有两个独自的残差块，之后经过若干个残差块，最后再用独自的升采样模块来提高分辨率。最终的训练版本有B=80个残差块，F=64个通道。

05

在NTIRE2017超分辨率挑战赛的结果

红色表示最优性能，蓝色表示其次。

06

补充：

(1)、PSNR，峰值信噪比 

通常用来评价一幅图像压缩后和原图像相比质量的好坏，当然，压缩后图像一定会比原图像质量差的，所以就用这样一个评价指标来规定标准了。PSNR越高，压缩后失真越小。这里主要定义了两个值，一个是均方差MSE，另一个是峰值信噪比PSNR，公式如下：

(2)、SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标

代码地址 

网络结构部分的代码详见： 

https://github.com/cswhshi/super-resolution/blob/master/edsr_mdsr.py

参考：

https://blog.csdn.net/leviopku/article/details/84586446 
https://www.cnblogs.com/ranjiewen/p/6390846.html 
https://baike.baidu.com/item/SSIM/2091025?fr=aladdin 
https://blog.csdn.net/Gavinmiaoc/article/details/80452229

 

END

往期回顾

【1】 语义分割网络经典：FCN与SegNet

【2】 绝对不容错过：最完整的检测模型评估指标mAP计算指南(附代码)在这里！

【3】【干货收藏】不要担心没数据！史上最全数据集网站汇总

【4】 人人必须要知道的语义分割模型：DeepLabv3+

【5】 network sliming:加快模型速度同时不损失精度

【6】 理解Batch Normalization（含实现代码）

机器学习算法工程师

---

                            一个用心的公众号

长按，识别，加关注

进群，学习，得帮助

你的关注，我们的热度，

我们一定给你学习最大的帮助

你点的每个赞，我都认真当成了喜欢