论文地址:Lightweight adaptive weighted network for single image super-resolution
引言
一般来说,基于深度学习的方法越深的网络和残差学习技术可以得到更好的性能。但是,由于巨大的参数量和比较长的推理时间,这种模型很难应用在实际生活中。
为了提高模型的效率通常有三种方法,后处理,递归学习,组卷积。
另一方面,堆叠残差模块越深的网络可能导致梯度消失和梯度爆炸。因此,提出了残差缩放策略,通过固定残差单元的权重来限制梯度的流动。