基于Dropout改进的SRGAN网络DrSRGAN

摘要：

超分辨率作为一种经典的视觉任务,在多个领域有着广泛的应用.随着深度学习中无监督学习的发展,以及生成对抗网络(generative adversarial network,GAN)的提出,超分辨率技术又得到了进一步的提高,但是相关网络仍旧存在过拟合、泛化性弱等诸多问题.以超分辨率生成对抗网络(super-resolution generative adversarial network,SRGAN)为基础,受研究Dropout在经典超分辨率网络中影响的相关论文启发,在SRGAN中加入Dropout层并研究其对生成图像质量的影响,采用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity,SSIM)评估图像质量.实验结果表明在合适的Dropout参数下,网络重建图像具有更好的视觉效果,PSNR能够达到0.4左右的提升同时SSIM也有提高,从训练过程中不同迭代次数生成图像的比较发现改进后网络缓解了训练不稳定问题.将Dropout层加入超分辨率网络不同于以往的方法,为改进此类网络提供了一个新的思路.

关键词：超分辨率、无监督学习、生成对抗网络、SRGAN、Dropout、峰值信噪比、结构相似性

所属期刊栏目：23

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：10015-10022