ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks, ECCV2018
ESRGAN任務是超分，是ECCV18年的文章，曾在PIRM2018超分競賽獲得第一名，模型是在SRGAN基礎上進行的改進；而SRGAN(CVPR17)是最早用GAN來做超分的文章，其2個特色分別是： （1）生成器使用殘差塊。使用殘差結構主要是由於設計的網絡比較深，爲了保證梯度信息的有效傳播，增強網絡穩定性。 （2）相較同行較早使用perceptual loss，是不是它最早提出的有待考證。
相關文章
- 1. ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks論文翻譯——中英文對照
- 2. ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks論文翻譯——中文版
- 3. 文獻閱讀: ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
- 4. Triangle Generative Adversarial Networks
- 5. Graphical Generative Adversarial Networks
- 6. Contrastive Generative Adversarial Networks
- 7. Generative Adversarial Networks overview（1）
- 8. Generative Adversarial Networks overview（4）
- 9. Self-Attention Generative Adversarial Networks
- 10. Generative Adversarial Networks overview（2）
- 更多相關文章...
- • Docker Compose - Docker教程
- • Web 詞彙表 - 網站建設指南
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks論文翻譯——中英文對照
- 2. ESRGAN - Enhanced Super-Resolution Generative Adversarial Networks論文翻譯——中文版
- 3. 文獻閱讀: ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
- 4. Triangle Generative Adversarial Networks
- 5. Graphical Generative Adversarial Networks
- 6. Contrastive Generative Adversarial Networks
- 7. Generative Adversarial Networks overview（1）
- 8. Generative Adversarial Networks overview（4）
- 9. Self-Attention Generative Adversarial Networks
- 10. Generative Adversarial Networks overview（2）