DeepLearningを用いた超解像手法/VDSRの実装 - Qiita

概要 深層学習を用いた、単一画像における超解像手法であるVDSRの実装したので、それのまとめの記事です。 Python + Tensorflow(Keras)で実装を行いました。 なんでVDSRという名前なのかというと、VGG-netから着想を得たモデルだからということらしいです。 今回紹介するコードはGithubにも載せています。 1. 超解像のおさらい 超解像について簡単に説明をします。 超解像とは解像度の低い画像に対して、解像度を向上させる技術のことです。 ここでいう解像度が低いとは、画素数が少なかったり、高周波成分(輪郭などの鮮鋭な部分を表す)がないような画像のことです。 以下の図で例を示します。(図は[論文]より引用) これは、超解像の説明をする時によく使われる画像です。 (a)は原画像、(b)は画素数の少ない画像を見やすいように原画像と同じ大きさにした画像、(c)は高周波成分を