Image super-resolution via deep recursive residual network
知识点
- 递归学习
- 全局残差
- 局部残差
引言
Kim提出了VDSR 和 DRCN
VDSR基于使用大学习率、残差学习、梯度裁剪策略,有20层的卷积层
为了控制模型参数,提出了DRCN。16个递归层。使用了递归监督和跳跃连接。
深层网络需要很多参数,不适合轻量级的应用。
全局残差。VDSR和DRCN中,输入图像直接传输到输出,称为全局残差
局部残差。为了应对细节丢失导致的图像退化问题,作者提出了局部残差学习。局部残差可以携带丰富的图像细节,而且有助于梯度传输。局部残差是在堆叠的层之间进行的。全局残差只发生在输入和输出之间。
为了保持模型的紧凑型,使用的递归学习
与DRCN的区别:
- DRCN的卷积层共享参数,共有16层。DRRN递归块中含有残差单元,残差单元是共享参数的。
- DRCN监督每一次递归(这里监督的意思是每一次的递归输出