用于超分辨率的像素级自步学习
计算机视觉与模式识别
2020-03-10 v2 机器学习
图像与视频处理
摘要
近来，由于单图像超分辨率（SISR）在若干基于图像的领域中的广泛应用，大量深度网络被提出以改善预测超分辨率（SR）图像的质量。然而，随着这些网络被构建得越来越深，其训练也耗费更长时间，这可能将学习器引导至局部最优。为解决此问题，本文设计了一种称为像素级自步学习（PSPL）的训练策略，以加速 SISR 模型的收敛速度。PSPL 模仿自步学习，为预测 SR 图像中的每个像素及其在真值中对应像素赋予注意力权重，以引导模型到达参数空间中更优的区域。大量实验证明，PSPL 可加速 SISR 模型的训练，并促使若干现有模型获得新的更优结果。此外，源代码可在 https://github.com/Elin24/PSPL 获取。
引用
@article{arxiv.2003.03113,
title = {Pixel-Level Self-Paced Learning for Super-Resolution},
author = {Wei. Lin and Junyu. Gao and Qi. Wang and Xuelong. Li},
journal= {arXiv preprint arXiv:2003.03113},
year = {2020}
}
备注
5 pages, 5 figures. Accepted by ICASSP 2020, Source code: https://github.com/Elin24/PSPL