标签：采样 Loss 基于 高分辨率 loss Resolution 超分 Super 图片
1、入门
定义：超分即把一个低分辨率低图片恢复为高分辨率低图像
数据来源：把高分辨率低图片通过人工加噪声等方式变成高分辨率
卷积种类：
- 先上采样再恢复
- 先恢复再上采样
- 渐进式等上采样
- 循环式等上采样和下采样
损失函数：一般分为多种损失函数，使用不同等损失函数叠加。
- 基于像素的Pixel Loss 如L2\L1
- 基于内容的Content loss，如利用一个训练好的分类网络，对模型输出的图片和标注图像分别做分类，求loss
- 基于纹理的Texture Loss， 如利用一个训练好的分类网络，对模型输出的图片和标注图像分别提取特征求相似矩阵，再求loss
- 基于对抗性的Adversarial Loss，gan生成的图片psnr不好，但是整体质量很好
评价指标（和IQA一致）：
- 主观评价：利用人眼判断，不方便，不同人看法也不一致
- 客观评价：PSNR、SSIM。PSNR代表像素之间的比较，和整体感觉有出入。
参考：https://beyondminds.ai/an-introduction-to-super-resolution-using-deep-learning/
标签：采样,Loss,基于,高分辨率,loss,Resolution,超分,Super,图片 来源： https://blog.csdn.net/yang_daxia/article/details/110433653
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。