Accurate Image Super-Resolution Using Very Deep Convolutional Networks

使用VGG网络进行改造：

特点：20层，使用residuals + high learning rate

1、残差学习：

在这段话中，y表示的是ground-truth，x表示的interpolation low resolution （ ILR） r 应该就是所谓的残差，在这里，作者说残差学习网络训练的损失函数就应该变为：

网络的输入为三个类型：1、残差  2、ILR  3、ground truth HR  

网络的训练是用 小patch块梯度下降和后向传播（LeCun )方法。 momentum = 0.9 。

实验的设置：

1、在不同的初始化学习率下，有残差和无残差训练的收敛速度：

2、不同深度的网络在不同放大倍数下的效果

3、训练样本用不同倍数或者相同倍数下的结果

4、与SRCNN进行比较

5、最后实验的比较以及总体的比较

总结：好的论文不仅要有新的想法，还要合理的论文安排，精心的实验设计和结果。