LP-KPN

LP-KPN 網絡結構

 

　　

網絡解析

1. 網絡結構中綠色星星標誌 公式。其實就是用預測出來的核在原圖片通過Laplacian pyramid decomposes 後的圖片上進行卷積運算。因此應該使用padding

 

 2.文章中，該模型是在YCbCr空間上的Y通道實驗的

3.最後的Laplacian pyramid restore 過程，應該是使用 Laplacian pyramid unsample （做者沒明寫，但不是sub-pixel shuffle 網絡結構中並未體現）

4.做者提到因爲LP的網絡結構，使得學習的k*k核等效於4k*4k的核，這減小了參數量

實驗參數

1.使用adam訓練

2.lr  = 1e-4，訓練1000K次迭代

3.對於核k的大小，做者在實驗中討論，不必定大的核獲取更棒的性能。

實驗

實驗1：訓練數據集的對比，爲了展示Real-SR數據集能提升超分辨率的性能，做者使用DIV2K用過BD（bicubic degradation）和MD（multiple degradation）去生成LR，而後用比較流行的模型去訓練

 

 

 實驗2：證實LP-KPN模型性能：經過對比過去的模型，LP-KPN不只參數量少並且性能也最好，這裏也提出核大小爲5比KPN核爲19更棒，這是因爲LP-KPN的結構