论文部分内容阅读
针对超分辨率生成对抗网络(SRGAN)存在生成图像的细节存在伪影甚至虚假像素的问题,文中设计了一个生成网络基于密集残差结构、对抗网络基于DCGAN鉴别器结构的超分辨率生成对抗网络。为了增强模型的鲁棒性,使训练更加稳定以及提升图像生成的主观质量,文中对模型的生成损失、感知损失和对抗损失进行了改进。最后,将新模型在数据集VOC2012上进行测试。实验结果表明,新模型的主观性能普遍比SRGAN高出1%～2%,新模型的客观指标也明显高于SRGAN。