超分辨率学习（更新ing）

1. 参考链接

今天2022.5.21，先关注HRNet系列，有以下相关教程链接🔗：

• HRNet网络详解-霹雳吧啦Wz⭐
  • 对应的博客：HRNet网络简介
  • 代码地址：code link（我云导师太强了，太爱他了！）
• HRNet论文复现(PaddlePaddle版)
  • 对应的博客：手把手带你复现HRNet与论文解读

下载了几篇论文：

• 2020-Small-Object Detection in Remote Sensing Images with End-to-End Edge-Enhanced GAN and Object Detector Network
  • code：https://github.com/Jakaria08/Filter_Enhance_Detect
• 2020-High-resolution networks (HRNets) for object detection
  • code：https://github.com/HRNet/HRNet-Object-Detection
  • ：https://github.com/HRNet
• Deep High-Resolution Representation Learning for Visual Recognition
  • code：https://github.com/HRNet（是HRNet所有项目地址：这里面有图像识别、语义分割、目标检测的各种High resolution项目）
  • 博文：论文笔记

2. Low / High / Super Resolution 是什么关系？

参考链接：图像分辨率和超分辨率，傻傻分不清？

图像超分辨率（Image Super Resolution）是指由一幅低分辨率图像或图像序列恢复出高分辨率图像的过程。

（也就是说super resolution是一种技术、过程，而low/high resolution是图像的真实分辨率）

图像超分辨率技术分为超分辨率复原和超分辨率重建。目前， 图像超分辨率研究可分为 3个主要范畴： 基于插值、 基于重建和基于学习的方法。