阅读指引
论文快速指引:
SRCNN:Learning a Deep Convolutional Network for Image Super-Resolution
DCSCN:Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network
SRDenseNet:Image Super-Resolution Using Dense Skip Connections
SRGAN:Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
在这里顺便推荐一个博主:Ton10对论文的理解鞭辟入里,对论文的描述非常细节。
SRCNN
SRCNN:Learning a Deep Convolutional Network for Image Super-Resolution
SRCNN是深度学习在图像超分辨率上的开篇之作!,证明了深度学习在超分领域的应用可以超越传统的插值等办法取得较高的表现力。
SRCNN网络非常简单,作者将其分为三部分,特征提取层 - 非线性映射层 - 网络重建层。
在上图网络模型之前 原始图像经过预处理(双三次插值)得到低分辨率图像作为网络的输入。
特征提取层: 采用卷积核大小为 c × f 1 × f 1 × n 1 c \times f_1 \times f_1 \times n_1 c×f1×f1×