FSR检查表分为三个部分

发布网友发布时间：2022-05-12 18:21

共1个回答

热心网友时间：2023-10-17 10:33

摘要FSRCNN可以分为五个部分：特征提取：SRCNN中针对的是插值后的低分辨率图像，选取的卷积核大小为9×9，FSRCNN直接对原始的低分辨率图像进行操作，因此卷积核大小可以选小一点，设置为5×5；收缩：通过应用1×1的卷积核进行降维，减少网络的参数，降低计算复杂度；非线性映射：感受野大，能够表现的更好。在SRCNN中，采用的是5×5的卷积核，但是由于5×5的卷积核计算量会比较大。因此，FSRCNN改用两个串联的3×3的卷积核替代一个5×5的卷积核，同时两个串联的小卷积核需要的参数3×3×2=18比一个大卷积核5×5=25的参数量要小。FSRCNN网络中通过m个核大小为3×3的卷积层进行串联。扩张：低维度的特征带来的重建效果不是太好，因此，应用1×1的卷积核进行扩维，相当于收缩的逆过程；反卷积层：可以简单的看作是卷积层的逆操作，如果步长为n，那么尺寸放大n倍，实现了上采样的操作。FSRCNN中激活函数采用PReLU，损失函数仍然是均方误差-MSE。咨询记录 · 回答于2021-12-13FSR检查表分为三个部分您好，欢迎使用百度App.我是百度旗下答主，接下来将由我为您解答，很荣幸为您服务，我将认真且仔细对待您的问题，打字和整理资料可能需要几分钟，请您耐心等待哦～FSR检查表分为哪三个部分哈哈好的，您稍等。FSRCNN可以分为五个部分：特征提取：SRCNN中针对的是插值后的低分辨率图像，选取的卷积核大小为9×9，FSRCNN直接对原始的低分辨率图像进行操作，因此卷积核大小可以选小一点，设置为5×5；收缩：通过应用1×1的卷积核进行降维，减少网络的参数，降低计算复杂度；非线性映射：感受野大，能够表现的更好。在SRCNN中，采用的是5×5的卷积核，但是由于5×5的卷积核计算量会比较大。因此，FSRCNN改用两个串联的3×3的卷积核替代一个5×5的卷积核，同时两个串联的小卷积核需要的参数3×3×2=18比一个大卷积核5×5=25的参数量要小。FSRCNN网络中通过m个核大小为3×3的卷积层进行串联。扩张：低维度的特征带来的重建效果不是太好，因此，应用1×1的卷积核进行扩维，相当于收缩的逆过程；反卷积层：可以简单的看作是卷积层的逆操作，如果步长为n，那么尺寸放大n倍，实现了上采样的操作。FSRCNN中激活函数采用PReLU，损失函数仍然是均方误差-MSE。emmmnope