【图像超分】论文精读：SRResNet/SRGAN

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：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network —— 基于深度递归残差网络的图像超分辨率

论文地址：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

代码地址：https://github.com/leftthomas/SRGAN

用生成对抗网络GAN做超分，更接近真实纹理细节！

Abstract

尽管使用更快更深的卷积神经网络在单幅图像超分辨率的准确性和速度方面取得了突破，但一个中心问题在很大程度上仍未解决：当我们在大型放大因子上超分辨率时，我们如何恢复更精细