查看原文
其他

这可能是目前最好的图像超分辨率算法,刚刚开源了

52CV君 我爱计算机视觉 2019-06-22

(欢迎关注“我爱计算机视觉”公众号,一个有价值有深度的公众号~)
CVPR 2018 Workshop NTIRE2018图像超分辨率的优胜方案开源了!
该算法在NTIRE2018所有三个realistic赛道中全部获得第一名!
作者昨天在arXiv上传技术报告公开了技术方案并开源了PyTorch代码。
论文名称《Wide Activation for Efficient and Accurate Image Super-Resolution》,
作者信息:

其建构于超分辨EDSR算法,亦即NTIRE2017年的冠军模型,最主要的改进是在残差模块中ReLU激活函数前增大特征图。
请看下面图示,

与原始EDSR算法相比,该优胜方案WDSR算法增大了ReLU前的卷积特征图,减小了identity mapping pathway的宽度(图中Add所在框变小)。

通过上述操作,在降低参数量的同时,提高了超分辨率的精度。
作者提出的两种WDSR的形式WDSR-A与WDSR-B:

WDSR-A特征图宽度(2X到4X),WDSR-B使用线性低秩卷积栈(linear low-rank convolution stack)和更宽的特征图(6X到9X),可以使得WDSR-B在保持更高精度的同时不增加计算量。

网络架构:

实验结果
在DIV2K数据库上与EDSR的比较:

NTIRE2018公布的比赛结果:

图中UIUC-IFP团队即优胜团队,PDN在Track 4中排名第一,但组织者称“PDN ranked 1st on Track 4, however, without submitted results for the other tracks we cannot tell if their solution/architecture is better than that of UIUC-IFP.”

代码主页:

https://github.com/JiahuiYu/wdsr_ntire2018
论文:
https://arxiv.org/abs/1808.08718v1

在“我爱计算机视觉”公众号对话界面回复WDSR,即可收到论文和代码的百度云下载地址。

更多精彩推荐:

OpenCV深度学习文本检测示例程序(EAST text detector)

ECCV18 Oral | CornerNet目标检测开启预测“边界框”到预测“点对”的新思路

基于OpenCV与Dlib的行人计数开源实现

(欢迎关注“我爱计算机视觉”公众号,一个有价值有深度的公众号~)

【本文由“我爱计算机视觉”发布,2018年08月30日】

Modified on

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存