标题：基于频率分解的图像超分辨率生成对抗网络
作者：申纪元
作者单位：广东工业大学计算机学院，广东 广州 511400
关键字：图像超分辨率；计算机视觉；深度学习；机器学习；生成对抗网络
摘要：单幅图像超分辨率［1］是一个将高分辨率转换为低分辨率的经典问题。基于传统的插值方法，如线性插值、二次插值、Lanczos［2］插值通常带来平滑的图像结果。相比于传统的插值方法，基于深度学习的方法［3］能充分恢复图像的纹理细节，生成更加合理的高分辨率图像。借用了Octave Convolution的思想，并提出了分别产生不同频率的级联模块。同时使用了通道注意力机制去给不同特征图赋予权重。图像超分辨率作为一个不适定问题，通常由深度学习网络产生的图像纹理细节往往伴随着边缘伪影［4］，使用近邻插值去消除伪影。除此之外，使用了Pixel-Shuffle来提高反卷积的精度。