《表1 不同敏感参数在Set5测试集上的PSNR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

《图像超分辨率卷积神经网络加速算法》

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

这些实验在Set5数据集上的平均PSNR值如表1所示。本文分别在水平和垂直方向上分析实验结果，首先固定d和m，分析s对模型性能的影响，可以看到，随着s尺寸的增大，网络具有更好的性能。这种趋势也可以从图3（a）所示的收敛曲线观察到。但是当网络参数冗余，s的增加并不能提高性能，甚至会引发过拟合（见表1中第四行s的变化规律）。其次固定s，并检查d和m的影响，通常更好的结果需要更多的参数，但是更多的参数可能引起网络过拟合，并不能保证更好的结果（见表1中第2列的变化规律）。这种趋势也反映在图3（b）中，可以看到网络最后几乎汇聚到一起。从所有的结果中，能够找到性能和参数之间的最佳平衡LSRCNN（48，24，2），在适度参数情况下，获得了最好的效果。由于选择的batchsize比较小，因此收敛曲线会存在比较明显的跳跃。