科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文针对基于深度学习的超分辨率重建网络SRGAN中存在的训练不稳定，重建图像信息缺失等问题进行了分析研究，做出相应的改进，提出了一种改良的生成器残差块结构，提高了重建效率，增强了重建图像的质量；引入Wasserstein距离代替JS散度来描述数据分布之间的差异，解决了生成对抗网络训练不稳定的问题，有效避免了梯度消失现象；在内容损失函数方面，选用更适合超分辨率重建任务的L1损失函数取代MSE函数，均化了对误差的惩罚，使细节更加丰富。在Set5、Set14与BSD100数据集上，经过与原网络的对比实验结果证明，平均PSNR最高峰值信噪比提高1.8 dB,SSIM结构相似度提升6%,证明了改进方法的有效性。
- 出版日期2022
- 单位贵州大学
