Summary：中科院和京東AI研究院提出：改進SRN人臉檢測算法，目前業界最強！
Author：Amusi
Date：2019-02-09
微信公眾號：CVer
原文鏈接：香港中文大學-商湯聯合實驗室：ECCV2018 PIRM-SR 超分辨率比賽冠軍：ESRGAN（論文+開源代碼）

前戲

前幾天分享了很多論文，各種SOTA。比如（點擊可訪問）：

• 中科院和京東AI研究院提出：改進SRN人臉檢測算法，目前業界最強！
• 德克薩斯大學提出：One-stage目標檢測最強算法 ExtremeNet
• 商湯等提出：統一多目標跟蹤框架

本文分享一篇ECCV 2018 Workshop：PIRM2018-SR competition (region 3) 超分辨率比賽的冠軍方案，代碼已經開源

正文

《ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks》

arXiv: https://arxiv.org/abs/1809.00219

github：https://github.com/xinntao/ESRGAN

作者團隊：香港中文大學-商湯聯合實驗室等

注：2018年09月18日出爐的paper

Abstract：超分辨率生成對抗網絡（SRGAN）是一項開創性的工作，能夠在單一圖像超分辨率下生成逼真的紋理。However, the hallucinated details are often accompanied with unpleasant artifacts.。為了進一步提高視覺質量，我們徹底研究了SRGAN的三個關鍵組成部分 - 網絡架構，對抗性損失和感知損失，并改進它們中的每一個以獲得增強型SRGAN（ESRGAN）。特別是，我們在沒有批量標準化的情況下引入剩余殘差密集塊（RRDB）作為基本網絡構建單元。此外，我們借用 relativistic GAN的觀點，讓鑒別器預測相對真實性而不是絕對值。最后，我們通過使用激活前的特征來改善感知損失，這可以提供更強的亮度一致性和紋理恢復的監督。受益于這些改進，所提出的ESRGAN實現了始終如一的更好的視覺質量，具有比SRGAN更逼真和自然的紋理，并在PIRM2018-SR挑戰賽中獲得第一名。

提出的方法

A.Network Architecture：: 1) remove all BN layers; 2) replace the original basic block with the proposed Residual-in-Residual Dense Block (RRDB)

B.Relativistic Discriminator

C.Perceptual Loss

D.Network Interpolation

實驗結果

開源代碼

下面兩個鏈接都是開源代碼，后者是basic

https://github.com/xinntao/ESRGAN

https://github.com/xinntao/BasicSR

注：最近的CVPR 2019 NTIRE Workshop 已經開始了~

喜歡這篇文章，記得點個贊哈

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的esrgan_港中文-商汤联合实验室：ECCV2018 PIRM-SR 超分辨率比赛冠军：ESRGAN（已开源）...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。