我正在处理地形高度数据的图像超分辨率。目前，我正在将输入数据切割成更小的部分（20 x 20 而不是 10800 x 10800）。
在高档 20x20 -> 40x40 之后，将生成的图像拼接在一起会导致沿着较小部分的边界出现伪影。这是因为模型的输出不能很好地融合在一起（我们正在使用输出来运行模拟，因此它们无缝匹配很重要）。
有没有推荐的方法将这些较小的图像拼接在一起？或者有没有比使用这些较小的切割图像更好的方法来解决这个问题？
图像超分辨率连接子图像
数据挖掘
机器学习
美国有线电视新闻网
火炬
图片
2022-02-05 19:46:10
1个回答
您可能会看到这些伪像，因为您的模型没有立即在您的图块之外看到这些像素，因此不知道如何“混合”事物。（我假设您的图块的步幅等于输入大小）
我见过使用（并且自己使用过）的一种典型方法是，在推理时，只保留每个图块的中心部分，然后有重叠的窗口，这样你就可以“填充空间”。
重叠越多（您使用的输出越少），工件就越不明显（或者在我的经验中），但需要更多的计算。
这就是我在卡通形式中的意思：
目前的情况（我假设）：
input tile1 #####----------
input tile2 -----#####-----
output tile1 ##########--------------------
output tile2 ----------##########----------
我的建议：
在这里，输出#意味着那里的值被复制到输出中，并且*意味着模型在那里进行预测但没有使用。
input tile1 #####----------
input tile2 ---#####-------
output tile1 **######**--------------------
output tile2 ------**######**--------------
如果您采用这个想法，您甚至可以简化模型，使其不会尝试在您无论如何都会忽略的位置进行预测。
如果事情需要澄清，请发表评论。
其它你可能感兴趣的问题