目录
内容导读
本文意不在与翻译,在于解读文章,望周知~
关于文章的点评以及可借鉴到自己论文实验的idea,在文末给出
- 文章主要是研究轻量模型的开发,同时研究如何充分利用中间特征。
- 文章是南京邮电和港中文等机构在轻量级超分网络领域的一次探索。
- 本篇博文的精华主要在点评部分,可以先看点评部分,然后在具体阅读本篇博文~~
1、论文来源
2、摘要
- 本文主要针对基于CNN的SR重建方法的现存问题进行了研究,主要是:
- 计算和内存开销过大,难以应用于实际场景。
- 如何在轻量模型中充分利用好中间特征?
- 针对上述问题,文章提出了一种轻量级特征提取交互加权网络
(Feature Distillation Interaction Weighted Network,FDIWN)
。- 具体而言,
FDIWN
的骨干是Feature Shuffle Weighted Groups(FSWG)
堆叠而成。 FSWG
的构件是几个相
- 具体而言,