Accelerating the Super-Resolution Convolutional Neural Network

题目：Accelerating the Super-Resolution Convolutional Neural Network加速SRCNN
作者：Chaos Dong
实验室：香港中文大学
发表时间：2016
发表地方：CVPR
本篇是看了项目介绍：http://mmlab.ie.cuhk.edu.hk/projects/FSRCNN.html

摘要

SRCNN作为一个成功的图象超分辨深度学习模型，证明了其比过去手动模型优秀，再速度和重建质量上都优秀。但是它计算成本高，无法实时处理，限制了实际应用。

本文旨在加速SRCNN。提出了一个a compact hourglass-shape CNN structure紧凑的沙漏型CNN结构，为了更快和更好的超分辨。

主要从三个方面重新设计。
1在网络最后引入一个解卷积层，然后学习从低分辨率图像（没有插值）到高分辨率图像的直接映射。
2重新构建了映射层。在映射和扩展之前，缩小输入特征维度。
3我们采用了更小的滤波器尺寸，但更多的映射层。

模型加速了40倍，更好的质量。
我们提供了通用CPU参数设置，能够实时处理，质量不变。针对不同升级因子的快速训练和测试，提出了相应的转移策略。

图片展示了SRCNN和FSRCNN的结构。FSRCNN和SRCNN主要在三个方面不同。
1FSRCNN使用原始低分辨率的图像作为输入，没有进行双立方插值。最后的解卷积层进行上采样。
2SRCNN的非线性映射被FSRCNN的三个步骤取代，三个步骤是收缩、映射、扩展。
3FSRCNN采用了更小的滤波器，有更好的表现，更小的计算成本。