DCSCN论文阅读笔记

题目：Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network

摘要

• 我们提出了一种具有深度卷积神经网络的高效，快速的单图像超分辨率（SISR）模型。最近，Deep CNN表明它们在单图像超分辨率方面具有显着的重构性能。【虽然很深的网络性能好，但是需要的硬件要求很高】当前的趋势是使用更深的CNN层来提高性能，但是，深度模型需要较大的计算资源，不适合移动，平板电脑和IoT设备等网络边缘设备，我们的模型具有最先进的重建性能，且计算成本至少降低了10倍通过深CNN和剩余网络，跳过连接和网络中的网络（DCSCN）。深度CNN和跳过连接层的组合用作特征提取器，用于局部和全局区域的图像特征。并行的1x1 CNN类似于网络中的“网络”，也用于图像重建。该结构减少了前一层输出的尺寸，从而可以更快地进行计算，而信息损失更少，并且可以直接处理原始图像。此外，我们还优化了每个CNN的层数和过滤器，从而显着降低了计算成本。因此，所提出的算法不仅实现了最先进的性能，而且还实现了