卷积神经网络

    最近看了一篇使用卷积神经网络对图像进行超分辨率的文章，貌似是为数不多的将卷积神经网络用于图像超分辨率的文章。

    paper题目：Learning a Deep Convolutional Network for Image Super-resolution  这是2014年eccv的文章。

    文章提出了一种卷积神经网络模型，该模型学习了一种end-to-end的映射。作者使用了三层网络对图像进行超分辨率重建

    网络模型如下图：

    

    对于一张输入图片，作者首先使用bi-cubic对图像进行差值，重建为想要得到的输出大小相同的尺寸。此时使用差值之后的图像尽管与输出的尺寸相同，但仍为低分辨率图像。之后作者使用n1个filter对图像进行滤波，因此在conv1层得到n1通道的特征图。（这n1个filter是我们需要学习的特征，filter的尺寸为f1*f1）.

    之后我们需要将conv1层的n1个特征图映射到conv2层的n2个特征图。我们使用n1个filter，对conv1的n1个特征图分别进行卷积，并且将所得的特征图进行叠加，并且加上偏置，由此我们得到了conv2层的一个特征图。（从代码中理解）重复n2次，我们在conv2层得到n2个特征图。（这些滤波器同样是需要学习得到的）

    然后我们对conv2层的每个特征图再进行卷积和叠加，加上偏置，就会得到最终的high-resolution image.

    大概是这个意思，说的不是很明白。如果需要的话可以看代码。