SRFBN（Feedback Network for Image Super-Resolution）阅读笔记

论文: https://arxiv.org/abs/1903.09814

代码：https://github.com/Paper99/SRFBN_CVPR19

一、简介

    进一步探索反馈机制（权重共享）在超分中的运用。

二、主要内容

1、 Network structure

    在我看来就是基于DRCN大框架的一个对反馈机制的进一步改进，相当于把DRCN中的权重共享层换成了权重共享模块（FB），并加了一些skip connection。

• 浅层特征提取：

• 第t个权重共享模块的输出：

• 第t个权重共享模块的中间监督输出：，其中

2、 Feedback block

简而言之，反馈模块就是反复上采样再下采样操作，同时，对所有上采样后的特征用dense connection，也对下采样后的特征用dense connection，中间用1*1卷积来降低计算量。

• 输入特征：

• 上采样后的特征：

• 下采样后的特征：

• 输出特征：

 

 

3、  Curriculum learning strategy

    简而言之就是，中间监督的真值会根据任务难度进行选择，比如单一的bicubic降采样退化，所有的真值都是一样的；而对于BD（bicubic+blur）退化，头两个中间监督输出用带高斯模糊的真值，之后的中间监督用不带高斯模糊的真值。

三、实验

@inproceedings{li2019srfbn,

author = {Li, Zhen and Yang, Jinglei and Liu, Zheng and Yang, Xiaomin and Jeon, Gwanggil and Wu, Wei},

title = {Feedback Network for Image Super-Resolution},

booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},

year= {2019}

}