..

超分FSRCNN的简介

这是一篇译文，原文Review:FSRCNN(Super Resolution)

本文主要用来概述一篇实时超分辨率的实现FSRCNN，全称Fast Super-Resolution Convolutional Neural Network，FSRCNN 发表于2016年的ECCV，目前为止有近300次的引用。 FSRCNN有着一个相对浅的网络结构，浅网络层让我们比较好理解每一个网络层的用途。与SRCNN相比，它重建后的图像质量更高。

对比SRCNN，FSRCNN-s(FSRCNN小模型版本)，FSRCNN-s 有着更好的PSNR（图像质量），更快的处理时长。 对比 SRCNN-Ex（SRCNN优质版本）和 FSRCNN，FSRCNN的结果PSNR更好，处理速度更快。 所以，来看下FSRCNN是如何达到质量和速度双优的

下文包含如下内容：

  • SRCNN 简述
  • FSRCNN 网络架构
  • 如何利用 1x1 卷积对网络进行压缩和扩大
  • 如何利用多个 3X3 卷积实现非线性映射
  • 对比实验
  • 结论

Network Architecture: SRCNN (Top) and FSRCNN (Bottom)

上图是 SRCNN 和 FSRCNN 的网络架构图。其中 Conv(f,n,c)表示该卷积： 卷积大小为fxf， 有n个过滤器以及c个输入通道。

1. SRCNN简述

SRCNN 的处理过程如下：

  1. 对输入图片利用双立方采样做上采样，使得其分辨率为目标分辨率
  2. 然后分别利用 9x9, 1x1, 5x5 的卷积来提高图片质量。其中 1x1 卷积是用来把低分辨率（LR）图像向量非线性映射为高分辨率 (HR) 图像向量.

计算复杂度为：

计算复杂度和HR图像大小成线性比例，SHR。HR图像越大，复杂度越高。

2. FSRCNN 网络结构

FSRCNN 包含如下五个主要处理步骤：

  1. 特征提取：利用一个 5x5 卷积代替 SRCNN 中的双立方差值
  2. 压缩：利用 1x1 卷积把特征层从 d 压缩为 s，其中 s 小于 d
  3. 非线性映射：多个 3x3 网络层代替单个的宽网络层
  4. 扩大： 1x1 卷积把特征层从 s 扩大为 d
  5. 反卷积： 利用 9x9 过滤器重建 HR 图像

以上结构就是 FSRCNN(d,s,m). 其计算复杂度如下：

可见复杂度和 LR 图像大小成线性比例，SLR，所以它的复杂度小于 SRCNN

网络中激活函数是 PReLU. PReLU意为带参数的ReLu，目的是比 ReLU 更好。（更多关于 PReLu 的内容， 请参照）

代价函数是均方误差（MSE）：

3. 如何利用 1x1 卷积对网络进行压缩和扩大

假设我们在不使用 1x1 卷积的情况下运行 5x5 卷积，如下所示：

5x5 卷积

计算次数 = (14x14x48)x(5x5x480) = 112.9M

如果使用 1x1 卷积：

1x1 卷积

1x1 卷积计算次数 = (14x14x16)x(1x1x480) = 1.5M 5x5 卷积计算此时 = (14x14x48)x(5x5x16) = 3.8M 两者总共计算次数 = 1.5M + 3.8M = 5.3M,比只使用 5x5 足足少了 112.9M 次计算。

论文Network-In-Netwrok建议使用 1x1 卷积引入更多的非线性并改善性能，而GoogleNet建议 1x1 卷积有助于在保证效果的同时减小模型大小。(GoogleNet简述)。

因此在两个卷积层之前使用 1x1 卷积来减少连接（参数）。通过减少参数，我们只需要更少的乘法和加法运算，最终加速网络。这就是 FSRCNN 比 SRCNN 快的原因。

4. 如何利用多个 3x3 卷积实现非线性映射

两个 3x3 滤波器可以包含一个 5x5 的滤波器区域

如上图所示通过使用2层 3x3 滤波器来覆盖 5x5 滤波器的区域，让参数数量变少。

1层 5x5 滤波器的参数数量 = 5x5 = 25 2层 3x3 滤波器的参数数量 = 3x3+3x3 = 18 参数量减少了28%。而更少的参数意味着网络在训练的时候可以更快的收敛，并减少过拟合问题。

5. 对比实验

对比实验

  • SCRCNN-Ex: SRCNN 的优质版本，拥有 57184 个参数
  • Transition State 1: 使用反卷机，有 58976 个参数，获得更高的PSNR
  • FSRCNN (56,12,4): 更小的滤波器，更少的滤波器，有 12464 个参数，更高的PSNR。更重要的参数更少，相对容易收敛。

下表为每个组件的贡献值：

m,sd

对比各种参数的结果，选取 m=4, d=56, s=12时，可以兼顾HR图像质量（33.16dB）和模型复杂度（12464参数）。

最终我们选用 FSRCNN:FSRCNN (56,12,4),FSRCNN-s:FSRCNN (32,5,1)

结论

  • 利用91张放大3倍的图片从头开始训练网络，然后利用利用放大2倍和4倍的100张图反卷积微调网络。
  • 数据增强部分，缩放：0.9，0.8，0.7，旋转：：90，180，270

所有网络在91张训练集的结果

FSRCNN和FSRCNN在91张训练集上的结果

从上述结果可以得出：FSRCNN和FSRCNN-s在放大2倍，3倍效果好。当放大4倍的效果比SCN差一点点。

放大3倍的效果

通过论文中的浅层网络，我们可以了解每种组件的效果，例如1×1卷积和多个3×3卷积。