用卷积滤波器matlab代码-SRCNN:深度卷积网络的图像超分辨率的keras实现

用卷积滤波器matlab代码神经网络 深度卷积网络的图像超分辨率的keras实现。 GT 双三次 神经网络 实施细节 我们的实现使用TensorFlow和keras来训练SRCNN。 我们使用了与本文所述几乎相同的方法。 我们使用91图像数据集（不进行增强）训练了网络，并在训练时使用Set5数据集进行了验证。 在测试时，对于放大因子3，将获得相同的结果大小。此外，我们将地面实境和双三次插值测试图像的边界填充了6，以使SRCNN结果具有相同的大小。 自己的实现和原始论文之间的主要区别在于，使用SSIM误差函数表示均方误差。 根据该论文，在放大系数为3的Set5上，最佳性能是滤波器大小为9-5-5和ImageNet训练数据集时的平均PSNR值为32.75dB，但我们的目标是32.39dB ，这是在经过验证时的平均PSNR值该模型使用91个图像数据集，9-1-5滤镜大小和Y进行训练。 在训练了5000个纪元后，我们得到了单图像25.77dB / 0.918的上述结果。 给出了具有91个图像训练数据集和放大系数为3的预训练模型。 请注意，我们使用Y通道进行了训练和测试。 如果要使用3通道（YC