![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CVPR 2018
文章平均质量分 91
HaoTianYan
CVer, Super Resolution.
展开
-
【论文笔记2_超分辨】(IDN)Fast and Accurate Single Image Super-Resolution via Information Distillation Network
文章目录Abstract1. Introduction2. Network Structure2.1 特征提取块(FBlock)2.2 信息蒸馏块(DBlocks)2.2.1 增强单元(Enhancement unit)2.2.2 压缩单元(Compression unit)2.2 重建块(RBlock)3. Experiments文章链接:(CVPR 2018)https://arxiv.org/abs/1909.11856v1代码链接:https://github.com/Zheng222/IDN原创 2020-09-16 23:08:03 · 1944 阅读 · 2 评论 -
【论文笔记1_超分辨】(RDN)Residual Dense Network for Image Super-Resolution
文章目录Abstract1. IntroductionAbstract深层CNN拥有提取多层次特征的能力,最近在图像超分辨(SR)领域取得了不错的进展。然而,大多数基于CNN的SR模型不能很好地利用这些来自LR的各级特征,导致相对较低的性能。在本篇文章里,我们提出了一种全新的残差密集网络(Residual Dense Network,RDN)以解决图像SR中的这一问题。RDN能够充分利用所有卷积层中的各个层次信息。我们提出的残差密集块(Residual Dense Block,RDB)通过将卷积层原创 2020-09-15 15:41:21 · 2866 阅读 · 0 评论