2019年6月1日
论文阅读笔记六十六:Wide Activation for Efficient and Accurate Image Super-Resolution(CVPR2018)
摘要： 论文原址:https://arxiv.org/abs/1808.08718 代码:https://github.com/JiahuiYu/wdsr_ntire2018 摘要 本文证明在SISR中在ReLU之前特征图越宽，在有效的计算资源及内存条件下，模型的性能越好。本文提出的残差网络具有平滑的ide 阅读全文
posted @ 2019-06-01 17:03 fourmii 阅读(2009) 评论(0) 推荐(0) 编辑
论文阅读笔记六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
摘要： 论文原址:https://arxiv.org/abs/1707.02921 代码: https://github.com/LimBee/NTIRE2017 摘要 以DNN进行超分辨的研究比较流行,其中，残差学习较大的提高了性能。本文提出了增强的深度超分辨网络（EDST）其性能超过了当前超分辨最好的模 阅读全文
posted @ 2019-06-01 11:42 fourmii 阅读(4099) 评论(0) 推荐(0) 编辑