论文部分内容阅读
目前图像超分辨率深度学习算法采用L2形式的像素差异损失函数,导致重建图像过度平滑,观感不够真实;采用的底层特征提取模块都是单一尺度的卷积核,造成了细节丢失。为改善重建图像质量,改进生成式对抗网络,在感知损失函数的基础上设计L1形式的SSIM(结构相似性)损失函数。加入3种不同尺度的卷积核,去除批规范化层,加入上采样层。通过实验验证,该模型在DIV2K数据集上相比SRGAN模型平均提高了1.12 dB的峰值信噪比(PSNR)值和平均0.016 1的结构相似性(SSIM)值。证明该改进型生成式对抗网络模