《表1 模型简化测试:多阶段融合网络的图像超分辨率重建》
注:×表示不使用该组件,√表示使用该组件。
此外,重新组合不同的组件,训练过程同上,但是这里仅训练比例因子为×2的情况,测试集使用Set5数据集,测试比例因子为×2时的平均PSNR值,得到表1的结果。从表1可以看出:1) 使用多路径前馈结构的网络,可以较大幅度地增加PSNR值,而其他两个组件提升不大。2) 在使用两个组件组合时,多路前馈结构以及阶段特征融合的组合效果最好,但是考虑图4中出现的收敛问题,本文同时使用了上述3种组件。上述定量和可视化分析证明了本文使用的MF、SFF和PE的有效性。
图表编号 | XD0082904800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.16 |
作者 | 沈明玉、俞鹏飞、汪荣贵、杨娟、薛丽霞 |
绘制单位 | 合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院、合肥工业大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |