NumPy-SRCNN

Super-Resolution CNN using numpy

1.运行环境

python 3.x

OpenCV-Python 3.4.2

2.运行方式

1)python numpy_srcnn.py image_name learning_rate resize_time epoch

2)执行 python numpy_srcnn.py 默认参数为

image_name='./image0.jpg'

alpha=3e-11

resize_time=2

epoch=200

3.SR重建网络

用八个中间卷积层，每层的kernel都是3*3，步长为1，out channel为64，再加一个output卷积层，out channel为3，得到重建后的图片。每一个中间卷积层使用Relu激活。因为网络中没有池化层和全连接层，所以输入图片的shape和网络输出矩阵的shape是相同的，可以用均方差来优化网络参数。

Fig1.训练集生成过程

4.运行结果

Fig2. loss-epoch

Fig3. 32*32的原图

Fig4. 33*33的模型输出图

模型拟合效果不佳，超清重建做成了高斯模糊，原因待分析...