Pytorch论文实现之结合对抗、均方、感知三种损失以及对称卷积神经网络来实现超分辨率重建
- 电脑硬件
- 2025-09-01 04:15:02
简介
简介：作者提出了一种改进的超分辨率生成对抗网络，该方法结合了残差连接、对称卷积神经网络以及对抗损失、均方损失和感知损失作为损失函数来训练。
论文题目：Image Super-resolution Reconstruction Based on an Improved Generative Adversarial Network（基于改进生成对抗网络的图像超分辨率重建）
论文会议：2019 1st International Conference on Industrial Artificial Intelligence (IAI)
摘要：摘要针对传统超分辨率重建（SR）技术重建的图像平滑且缺乏良好细节的问题，本文提出了一种改进的超分辨率生成对抗网络，该方法基于深度神经网络，生成模型包含多层卷积模块和多层反卷积模块，其中在感知损失中加入层跳连接和损失函数，判别模型由多层神经网络组成，其损失函数基于生成对抗网络生成的判别模型损失函数，最后在实验中选择PSNR和SS
Pytorch论文实现之结合对抗、均方、感知三种损失以及对称卷积神经网络来实现超分辨率重建由讯客互联电脑硬件栏目发布，感谢您对讯客互联的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人网站或者朋友圈，但转载请说明文章出处“Pytorch论文实现之结合对抗、均方、感知三种损失以及对称卷积神经网络来实现超分辨率重建”
上一篇
Maven的依赖管理
