使用 Tensorflow 的可变分辨率实现超分辨率

Question

我正在使用 tensorflow 将图像缩放 2 倍。但是由于张量（批量大小、高度、宽度、通道）决定了分辨率，因此它只接受一种分辨率的图像进行推理和训练。

对于其他分辨率，我必须修改代码并重新训练模型。是否可以使我的代码解析独立？从理论上讲，图像的卷积与分辨率无关，我看不出这是不可能的原因。

虽然我不知道如何在 tensorflow 中执行此操作。有什么可以帮助我的吗？

谢谢

Answer 1

好的，这就是我所做的：

输入和输出张量现在具有形状 (batchsize, None, None, channels)

现在必须在网络外部调整训练图像的大小。

重要提示：训练图片是分批的，所以大小一定要一样！一批中的图像必须具有相同的大小。当推断批量大小为 1 时，大小无关紧要。