Повышение разрешения изображения методами глубокого обучения

Повышение разрешения изображения является важной открытой проблемой компьютерного зрения. В последнее время глубокие нейронные сети продемонстрировали прогресс в этой проблеме. В данной работе рассмотривается несколько передовых методов для задачи повышения разрешения изображения с использованием глубоких нейронных сетей. Сравнение их эффективности и способов построения архитектур нейронных сетей в отношении разных показателей является одной из наших основных целей для данного исследования. Современные методы глубокого обучения часто требуют больших вычислительных затрат и использования большого объема памяти, что влияет на сложность работы нейронных сетей и время получения результатов повышения разрешения. В дополнение к существующим моделям мы предлагаем новую архитектуру нейронной сети, основанную на лучших свойствах рассмотренных архитектур и предназначенную для устранения их недостатков. Кроме того, мы сравниваем качество всех рассмотренных методов глубокого обучения с базовым методом бикубической интерполяции.