论文全名:Accurate Image Super-Resolution Using Very Deep Convolutional Networks
下载地址:https://pan.baidu.com/s/1ge2pCWF
code:https://github.com/huangzehao/caffe-vdsr
该论文利用残差学习,加深网络结构(20层),在图像的超分辨率上取得了较好的效果,20层的深度可以说是很大了,作者采取了残差学习,提高学习率来为梯度传输排除障碍,同时,输入图片的大小不一致,使得网络可以针对不同倍数的超分辨率操作,此外,作者还有一个小妙用,可以说是很巧妙,就是卷积后补0使得图像大小保持一致.
关于卷积补0,我在这里解释一下,
首先呢,卷积有个好处,就是提高较大的感受野,感受野就是视野的意思,图片预测,如果利用一个像素点去推断一个像素点,那么是做不好的,所以就要用卷积,