SRCNN -如何获得只有亮度的彩色图像输出训练

Question

我对卷积神经网络非常陌生，适用于超分辨率。我阅读了基于这篇评论文章的本论文，试图更好地理解它。

在审查中，作者说：

其中c是图像的通道数。在这种情况下，c=1

但是这个例子显示了一个彩色图像。所以，首先，我问自己：“一个彩色图像怎么可能只有一个频道?”

然后我在报纸上读到了以下内容：

大多数SR算法主要针对灰度或单通道图像的超分辨率.对于彩色图像，上述方法首先将问题转化为不同的颜色空间(YCbCr或YUV)，而SR只应用于亮度信道。

好的，所以网络只适用于亮度。Therefore如何生成彩色图像作为输出?将整个颜色系统转换为仅亮度，有关颜色的部分信息将丢失。网络是如何在这个过程中恢复的呢？

Answer 1

作者使用Y通道作为亮度通道，因为他们的图像是在YCbCr颜色空间。另外两个通道采用双三次插值方法进行放大。在论文的后面，他们写道：

具体来说，我们首先将彩色图像转换为YCbCr空间。SR算法仅适用于Y信道，而Cb、Cr通道则采用双三次插值方法。

在本文中，作者还将这种方法与其他学习策略进行了比较，如在所有三种渠道上进行培训，或者首先对Y-通道进行训练，然后用所有三种渠道对网络进行微调。结果载于第11页。本节以以下内容结尾：

还值得注意的是，与单信道网络相比，改善程度并不显著(即0.07 dB)。这表明Cb，Cr通道对改善性能几乎没有帮助。