超分辨率学习思路

序言

图像超分辨率是指从低分辨率图像中恢复出自然、清晰的纹理,最终得到一张高分辨率图像,是图像增强领域中一个非常重要的问题。近年来,得益于深度学习技术强大的学习能力,该问题有了显著的进展。

低分辨率图像一般通过一系列的退化操作得到,在损失了大量细节的同时,也引入了一系列的噪声。基于深度学习的超分辨率过程本质上就是通过网络模型采用成对的训练数据进行有监督学习的训练,进而拟合上述退化操作的逆操作,得到重建后的高清图像。
超分辨率学习思路_第1张图片

正文

好了,废话不多说,知道超分是啥就好了,关于超分领域我也不太了解,只是前段时间和该方面的朋友聊了一下,推荐了几篇论文作为学习,仅此记录一下哪几篇:

  • SRGAN
  • EARGAN
  • RankSRGAN
  • USRNet
  • ZSSR
  • RFB-ESRGAN
  • TTSR

好了,正文也写完了,记录一下而已,万一哪天会进到这个领域再翻出来学习。

再提供两篇关于超分的高质量原理介绍文章链接:

  • 一键提升多媒体内容质量:漫谈图像超分辨率技术
  • 使用深度学习的超分辨率介绍

你可能感兴趣的:(笔记)