SRCNN论文学习笔记

SRCNN是将深度学习卷积神经网络应用于单幅图像重建领域的开山之作，网络结构如下： 

       首先将输入原始低分辨率图像(LR)，通过双三次插值放大至目标高分辨率图像(HR)尺寸，中间包括三个卷积层：图像特征提取层、非线性映射层、重建输出层，最终输出目标大小的高分辨率图像。

训练集：91张自然图像，切割为大小33×33的子图像块作为输入，因此可以分解为2-3万个子图像，LR子图像与HR标签生成一个h5文件；

验证集：set5数据集（5张图像，无需划分子图像）

图像特征提取层：64个大小为1×9×9的卷积核，padding=4(用于保证输出图像与输入图像大小相同)，生成特征图大小为33×33×64，后加一个relu激活函数；

非线性映射层：32个大小为64×5×5的卷积核，padding=2，生成特征图大小为33×33×32，后加一个relu激活函数；

重建输出层：1个大小为32×5×5的卷积核，padding=2，生成大小为33×33×1的HR图像输出，该层不使用激活函数。

损失函数：MSE均方误差

       此外，论文中还通过改变数据集大小、卷积核的个数、网络的深度与宽度等来测试网络性能，并寻找最优的参数设置。

       还需注意输入图像前要经过一个插值操作，首先将原始图片重设尺寸，使之可以被放大倍数scale整除：

hr_width = (hr.width // args.scale) * args.scale
hr_height = (hr.height // args.scale) * args.scale

其次将HR图像经过双三次插值缩小scale倍：

lr = hr.resize((hr_width // args.scale, hr_height // args.scale), resample=pil_image.BICUBIC)

最后将其通过双三次插值放大scale倍，作为与目标图像相同大小的LR图像：

lr = lr.resize((lr.width * args.scale, lr.height * args.scale), resample=pil_image.BICUBIC)

        关于一些图像预处理细节：输入图片为×的子图像，无padding卷积后生成图像大小为，其对应label为对应X的中心像素。如输入图像大小为33×33（以14步长在原图中进行等距划分），生成图像大小为（33-9-1-5+3）×（33-9-1-5+3）=21×21，则对应label大小为21×21的X中心像素（原文网络无padding，复现时大多都设置了padding以保证输入输出图像大小一致），输入网络的h5文件同时包含了LR子图像以及对应的HRlabels。测试时需使用padding以保证输入输出图像大小一致，且测试图像无需划分子图像，可以为任意尺寸。

三层卷积网络的实现较为简单：

class SRCNN(nn.Module):
    def __init__(self, num_channels=1):
        super(SRCNN, self).__init__()
        self.conv1 = nn.Conv2d(num_channels, 64, kernel_size=9, padding=9 // 2)
        self.conv2 = nn.Conv2d(64, 32, kernel_size=5, padding=5 // 2)
        self.conv3 = nn.Conv2d(32, num_channels, kernel_size=5, padding=5 // 2)
        self.relu = nn.ReLU(inplace=True)

    def forward(self, x):
        x = self.relu(self.conv1(x))
        x = self.relu(self.conv2(x))
        x = self.conv3(x)
        return x

网络测试：输入一张低分辨率图像，输出插值后的LR图像与重建后的HR图像。