哈工大等提出轻量级盲超分辨模型LESRCNN，代码已开源

近年来图像超分辨率（super-resolution ，SR）已经获得长足发展，但计算量大仍阻碍相关研究进入产品，来自哈工大等单位的学者提出一种轻量级SR 模型，在取得了state-of-the-art结果的同时，显著降低计算量，代码已经开源，相信对从事相关方向的学术和产业界的朋友都会有参考价值。

Lightweight image super-resolution with enhanced CNN

作者：Chunwei Tian, Ruibin Zhuge, Zhihao Wu, Yong Xu, Wangmeng Zuo, Chen Chen, Chia-Wen Lin

单位：哈工大、美国北卡夏洛特分校和台湾国立清华大学

01

背景与动机

数字设备在收集图像过程中常受到拍摄物周围环境、相机硬件和人为因素影响，导致捕获到图像不清晰，这严重影响后续视觉任务性能。已有深度学习方法都通过单一缩放因子来恢复高清图像，这不适用于现实中捕获的受损程度不同图像。

此外，已有方法都通过增大网络深度提升图像超分辨性能， 但这会增大网络计算代价，也不适用于手机和相机等。

针对这些问题，本文提出一种轻量级增强的超分辨网络（A lightweight enhanced SR CN, LESRCNN）。LSRCNN主要从网络结构和解决问题两方面来设计网络的。在网络结构方面，LESRCNN采用异构结构，结合低频特征和高频特征，提升网络超分辨性能。在解决任务上，采用一组自适