论文部分内容阅读
针对现有基于像素损失的超分辨率图像重建算法对纹理等高频细节的重建效果差问题,提出了一种基于改进超分辨率生成对抗网络(SRGAN)的图像重建算法。首先,去除了生成器中的批归一化层,并结合多级残差网络和密集连接,用残差套残差密集块提高了网络提取特征的能力。然后,结合均方误差与感知损失作为指导生成器训练的损失函数,既保留了图像的高频细节,又避免了伪影的出现。最后,去除了判别器的最后一层Sigmoid层,以更好地收敛训练过程,并用相对损失函数指导判别器的训练。在COCO数据集上的实验结果表明,相比原始SRG