LapSRN 超分辨率

文章全名： Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

论文下载地址： https://pan.baidu.com/s/1nva9off

code：https://github.com/phoenix104104/LapSRN

该篇论文是2017 CVPR的 可以算是最新的一个超分辨率的论文了 废话不多说 看下论文是怎么做的吧

传统的超分辨做法有一些共同之处，首先是L2 loss函数，其次，使用特定尺寸的图片输入（VDSR除外），最后，都是输入到结果，无中间的超分辨率结果

论文先指出了传统SR（super resolution）做法中的一些问题：

1.现有方法可以处理各个尺寸的低分辨率图片，利用线性插值 将输入图片转为指定尺寸，这一步骤增加了人为噪声

2.使用L2 loss函数不可避免的产生模糊的预测，因为L2 loss函数不能找到由低分辨率LR到高分辨率HR的潜在的多模态分布，在这里作者做了一个解释：例如，一个低分率的patch可能对应多个高分率的patch，采用L2 loss使得重构结果过度平滑，不符合人类视觉

3.传统作法无法产生中间的输出结果

于是，针对传统做法的问题，论文做了一些改进

该篇论文的创