《表1 各模型在基准数据集和DIV2K验证集上的平均性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《双判别器生成对抗网络图像的超分辨率重建方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验结果：在DIV2K验证集和基准数据集中的Set5、Set14、BSD100四个数据集上对本文网络DDSRRN进行测试，选取Bicubic、SRCNN[3]、ESPCN[6]、RDN[26]、EDSR[7]和SRGAN[12]这6种算法进行对比。为保证测试的公平性，针对SRCNN使用Caffe框架进行实验；针对SRGAN、ESPCN和本文DDSRRN模型，实验使用Tensorflow框架；针对RDN和EDSR模型，实验使用Pytorch框架。RPSN和SSIM实验统计数据对比结果如表1所示，DDSRRN与SRGAN模型在DIV2K数据集上的RPSN与SSIM表现的直观趋势对比如图4所示。最后，从测试集中选取部分结果图像的细节放大效果图像对比，如图5～7所示，能够从视觉效果上直观地评估各种SISR方法重建图像的质量。与SRGAN模型方法相比，可以看出DDSRRN重建的图像细节更丰富，更接近于真实图像。