《表1 不同算法在不同数据集中重建效果比较》

  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

《双层级联神经网络的人脸超分辨率重建》

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

本文使用2～4倍放大因子对Bicubic放大后的低分辨率人脸图像进行重建，并与Bicubic方法、SRGAN方法以及WGAN方法的重建结果进行对比。量化对比采用图像处理任务中经常使用的PSNR值和图像结构相似度（Structural Similarity Index，SSIM），结果如表1所示。由表可见，在CelebA数据集下放大因子分别为2、3、4倍时，本文的PSNR值相比其他方法分别平均提高了1.91 dB、2.34 dB、2.58 dB，SSIM值分别提高了0.044 3、0.067 8、0.082 7。可以看出，尽管随着放大倍数提高，本文的PSNR与SSIM值有不同程度的降低，但相比其他方法，本文在高放大倍数时能够恢复更多细节，在Helen数据集上，平均PSNR值提高1.24 dB，SSIM值提高了0.040。由于选择CelebA作为训练集，因此Helen测试集的数值结果提升较小。