超分辨率论文 EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution

图像超分辨率网络：EDSR

代码地址：https://github.com/fengye-lu/EDSR-PyTorch-master

一.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。

二.存在的问题
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。

三.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))
    )
  )
)

四.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119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))
  )
)

五.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。

六.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。

七.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