Photographer

Super resolution image reconstruction using convolution neural network

介紹


高解析度影像相較於低解析度影像更能呈現拍攝物體在型態、表面上的細節,

為了將低解析度影像重建成高解析度影像,本作品使用DIV2K資料集中不同解析度的影像,

並利用卷積神經網路訓練資料集中不同解析度之影像(原始影像及1/4解析度之影像),

訓練完後,利用此模型可重新建構低解析度影像,而本作品使用DIV2K中測試資料及重建低解析度影像。

方法


使用之DIV2K包含900張訓練影像集及100張測試影像集,

其中訓練影像集有原始高解析度影像及1/4低解析度影像,而因DIV2K訓練資料集中的影像大小不一,

因此本作品首先找出資料集中最小的影像,並將所有影像以此大小重新裁切,

之後本作品使用一簡單的卷積神經網路 (如圖1)用於訓練訓練資料集,其包含6層卷積層及2層UpConv層。

結果與討論


本作品利用測試資料集中100張1/4低解析度影像做為測試,

本節使用其中4張測試影像作為說明,其測試結果如下(同大小但不同解析度):

圖2中可以觀察到重建影像相比於低解析度影像可以增加解析度卻不失真;

圖3中可以觀察到貓毛及其身上斑紋可以被清晰重建;

圖4中可以觀察到城市房屋的細節可以被清晰重建;

圖5中可以觀察到房屋內的擺設較低解析度影像清晰,

總體來說,由圖2-5可見重建之高解析度影像相較於1/4低解析度影像不僅能增加解析度更能呈現更多細節卻不失真。

主辦單位

協辦單位

競賽相關事宜 連絡信箱:vivian.huang@ecloudvalley.com