《表2 基准数据集测试结果》

  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

《双通道多感知卷积神经网络图像超分辨率重建》

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

实验用DIV2K数据集中的800张图片对卷积网络进行了训练，输入图片为RGB图像并裁剪为48×48大小，对输入图像按EDSR网络中的方法进行旋转、翻转等变换，以增强训练效果．每次训练样本数（batch size）为16，共迭代1 000次．训练中对2倍、3倍、4倍重建分别进行训练．训练结果基于Set5，Set14，B100和Urban100基准数据集进行测试，评价指标为峰值信噪比（peak signal to noise ratio，PSNR）和结构相似性（structural similarity inex，SSIM）.DM CN网络基于Py Torch 1.1框架搭建，实验中使用了一张TitanRTX GPU．训练使用Adam优化器，参数为β1=0.9，β2=0.999，ε=10-8．学习率初始为10-4，每经过50次迭代衰减为原来的90%．表2给出了本文方法与几个经典超分辨方法的比较，其中对MSRN原文采用Y色彩通道，本文统一采用了RGB通道进行实验，图片切割尺寸为48×48.