论文名字
Blueprint Separable Residual Network for Efficient Image Super-Resolution
模型的表现还可以
整体的基础是在RFDN上做的改进。
RFDN的阅读可以参考我的另一篇博文 RFDN阅读
整体的网络架构如下
最开始的LR输入被复制n次,沿通道方向连接在一起,然后经过BSC0onv提取浅层特征,论文在消融实验中没有介绍这样做的目的以及这样做的意义,然后把所有的卷积操作全部换成了BSConv,可以减少参数数量。BSConv是深度可分离卷积 (DSConv) 的逆版本。有论文表明,BSConv 在许多情况下表现更好,可以有效分离标准卷积
作为对比
下图是RFDN的网络
网络的细节如下,图画的还是很好的,一看就懂
下面是该网络与其他代表网络的部分对比结果,还是相当优秀的