网络结构和细节增强网络类似,只是卷积层之后多加了一个批处理化过程,网络结构表和细节增强网络表相同。 损失函数:DSSIM(Structural dissimilarity),它是基于SSIM的一个距离度量,训练网络参数 ,公式: 对于两个训练阶段: Step1:同时训练两个子网络参数 和 Step2:固定 和 ,训练调节网络参数 把前两个网络预训练参数作为...
通过首先将参考图像和目标图像分成小窗口,然后计算所有窗口的平均 SSIM (MSSIM) 误差来计算整体相似度误差: 其中SSIM(.) 是标准的结构相似性函数,M 表示我们分割的窗口数。 最后,我们将这三个相似性损失函数的加权和作为最终的重建损失: 这里β1、β2和β3分别是这三个相似度损失的平衡权重。 为了以更高分辨率...