【图像超分】论文精读：Deeply-Recursive Convolutional Network for Image Super-Resolution (DRCN)

第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）

---

前言

论文题目：Deeply-Recursive Convolutional Network for Image Super-Resolution —— 用于图像超分辨率的深度递归卷积网络

论文地址：Deeply-Recursive Convolutional Network for Image Super-Resolution

从论文题目可以看出，模型用了递归思想。本文与VDSR是相同作者。没有Pytorch源码，所以本文以学习模型思想为目的。

Abstract

我们提出了一种使用深度递归卷积网络 (DRCN) 的图像超分辨率方法 (SR)。我们的网络有一个非常深的递归层（最多 16 个递归）。增加递归深度可以提高性能，而无需为额外的卷积引入新的参数。尽管具有优势，但由于梯度爆炸/消失，使用标准梯度下降法学习 DRCN 非常困难。为了减轻训练的难度，我们提出了两个扩展：递归监督和跳层连接。我们的方法大大优于以前的方法。

摘要总览：非常深的递