LP-KPN

LP-KPN 网络结构

 

　　

网络解析

1. 网络结构中绿色星星标志 公式。其实就是用预测出来的核在原图片通过Laplacian pyramid decomposes 后的图片上进行卷积运算。因此应该使用padding

 

 2.文章中，该模型是在YCbCr空间上的Y通道实验的

3.最后的Laplacian pyramid restore 过程，应该是使用 Laplacian pyramid unsample （做者没明写，但不是sub-pixel shuffle 网络结构中并未体现）

4.做者提到因为LP的网络结构，使得学习的k*k核等效于4k*4k的核，这减小了参数量

实验参数

1.使用adam训练

2.lr  = 1e-4，训练1000K次迭代

3.对于核k的大小，做者在实验中讨论，不必定大的核获取更棒的性能。

实验

实验1：训练数据集的对比，为了展示Real-SR数据集能提升超分辨率的性能，做者使用DIV2K用过BD（bicubic degradation）和MD（multiple degradation）去生成LR，而后用比较流行的模型去训练

 

 

 实验2：证实LP-KPN模型性能：经过对比过去的模型，LP-KPN不只参数量少并且性能也最好，这里也提出核大小为5比KPN核为19更棒，这是因为LP-KPN的结构