Python 是否有一种SRGAN架构可以在目标中缺少像素的情况下提高分辨率？
我曾尝试将LEdig等人（2017）的文章中提出的SRGAN架构应用于以下问题：Python 是否有一种SRGAN架构可以在目标中缺少像素的情况下提高分辨率？,python,tensorflow,neural-network,generative-adversarial-network,Python,Tensorflow,Neural Network,Generative Adversarial Network,我曾尝试将LEdig等人（2017）的文章中提出的SRGAN架构应用于以下问题： 低分辨率图像 常规网格中的高分辨率图像，但缺少/0像素。我有不同的数据集，丢失的像素越来越多 由于我可以拥有的样本数量非常大，因此我们的想法是从低分辨率图像预测完整的高分辨率图像，但仅在我拥有信息的像素上更新生成器损失 我已经训练了300个时代的架构，但我没有得到适当的结果，因为假高分辨率图像似乎有空白点（我想回忆一下，低分辨率输入没有丢失的输入） 我有一种感觉，SRGAN现在也在学习将参考高分辨率目标的空像素
- 低分辨率图像
- 常规网格中的高分辨率图像，但缺少/0像素。我有不同的数据集，丢失的像素越来越多