Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

时间	期刊	方法	训练集	测试集	损失函数	效果	评价指标
2017年	cvpr	一种从粗到细逐步预测的方法。	291数据集。使用三种方式进行数据扩充。	SET5 [2], SET14 [39], BSDS100 [1], UR- BAN100 [15] and MANGA109 [23]	鲁棒的Charbonnier损失函数	在基准数据集上进行的大量定量和定性评估表明，该算法在速度和准确性方面优于最新的方法	PSNR、SSIM[32]和IFC[27]

论文地址：Deep laplacian pyramid networks for fast and accurate super-resolution

代码：