人工智能项目资料-基于ESPCN神经网络的EIT算法，使用ESPCN神经网络来进行图像超分辨率重构.zip

## ESPCN一种实时的图像超分辨率方法 ## **ESPCN** 是在2016年在CVPR上发表的一片论文 > [Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network](http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Shi_Real-Time_Single_Image_CVPR_2016_paper.pdf) 中提出的一种实时的基于卷积神经网络的图像超分辨率方法。 ---------- **本项目**使用caffe+matlab实现了ESPCN的训练以及应用过程，提供了样本一些如**PSNR曲线绘制**的工具。 ### **网络结构** ### 训练网络： [ESPCN_net.prototxt](https://github.com/66wangxuewen99/Super-Resolution/blob/master/ESPCN/ESPCN_net.prototxt)  应用网络： [ESPCN_mat.prototxt](https://github.com/66wangxuewen99/Super-Resolution/blob/master/ESPCN/ESPCN_mat.prototxt)  ###**网络训练**### 1. 样本准备 从91张训练图片中提取图像块作为样本并写入hdf5文件。使用generate_espcn_train.m & generate_espcn_test.m 根据自己的网络参数设定更改settings，运行得到espcn_train.h5 & espcn_test.h5两个文件。 2. 开始训练 运行start.bat开始训练。 3. 恢复训练 编辑restore.bat中--snapshot= ?.solverstate后的文件名，运行restore.bat该次迭代状态中恢复训练。 ###**应用**### 本项目中[sr_demo.m](https://github.com/66wangxuewen99/Super-Resolution/blob/master/ESPCN/sr_demo.m)实现了使用caffe的matlab接口来实现图片超分辨率。 基本流程如下：  caffe matlab接口的使用可以参考http://christopher5106.github.io/deep/learning/2015/09/04/Deep-learning-tutorial-on-Caffe-Technology.html **效果**    ###其他### draw_psnr.m： 绘制指定测试图像的PSNR随迭代次数变化的曲线  注：本项目中训练得到的网络不可直接使用opencv或者使用c++接口来做应用，因为matlab中图像是列序优先，而opencv或c++中通常为行序优先，直接应用会得到一个效果比较差的结果。