11 2019 档案
摘要：1.升采样结构： 1.前端升采样： 2.后端升采样 2.升采样方法 1.插值 2.转置卷积 3.亚像素卷积层
阅读全文
摘要：n 本文是对SRCNN的改进，主要有三点： 1.在网络最后一层添加转置卷积层，以后端升采样结构取代SRCNN的前端升采样结构。 2.在非线性映射之前进行降维，mapping之后进行升维 3.filter size变小，而mapping层增多。 1.简介 经典的SRCNN无法满足实时性要求。经过研究我
阅读全文
摘要：CVPR 2016 1.之前方法存在的问题 SRCNN的缺点： 1.深度不够导致，感受野小。尤其是大尺度变换，从小patch中提取的信息不足以进行高质量重建。 2.收敛慢 3.只能实现单一尺度超分辨 2.这篇文章的改进和优点 1.本结构网络感受野更大。利用了更大区域的上下文信息。 2.残差学习和自适
阅读全文
摘要：CVPR2016 神经网络学习非线性关系的灵活性对于处理SR问题很合适。 1.文章想要解决的问题 如果在在网络之前通过插值的方法将LR图像上采样有两个缺点：一是计算复杂度；二是插值算法通常不会引入用于解决不适定重建问题的额外信息。而转置卷积进行上采样不过是插值方法的特殊情况。 2.解决的方法 通过在
阅读全文
