Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

key word：LapSRN  CNNSR  残差

Abstract：利用拉普拉斯金字塔SR网络重建LR的次级（？）残差。

主要方法：低级的feature maps → 金字塔层N  → 高分辨率残差 ，按此形式层层放大

备注：

• 网络结构：

        每个金字塔层：卷积层xN（提取特征） → 反卷积层（上采样2倍） → 卷积层（提取特征） → 卷积层（预测残差）

        输入图像：在每级也经过一个反卷积层使尺寸上采样2倍，再与此级的残差相加，就能重构出这一级的上采样结果。

• 链接：

        github(matconvnet):https://github.com/phoenix104104/LapSRN

        github(pytorch):https://github.com/twtygqyy/pytorch-LapSRN

        github(tensorflow):https://github.com/zjuela/LapSRN-tensorflow

 

参考：https://zhuanlan.zhihu.com/p/31664818