RCAN——Image Super-Resolution Using Very Deep Residual Channel Attention Networks
1. 摘要 在图像超分辨领域，卷积神经网络的深度非常重要，但过深的网络却难以训练。低分辨率的输入以及特征包含丰富的低频信息，但却在通道间被平等对待，因此阻碍了网络的表示能力。 为了 ...
原文：CVPR2016 VDSR：Accurate Image Super-Resolution Using Very Deep Convolutional Networks
摘要 问题描述 何恺明将深度学习技术引入超分辨问题的开山之作SRCNN 年 ，主要存在以下几个问题： 感受野小，使得获取的语义信息少，对于恢复细节信息有难度 收敛很慢 SRCNN只针对单尺度超分 主要贡献点 设计了一个 层的卷积神经网络来做超分辨 小的学习率会使的网络收敛很慢，而大的学习率容易使得梯度爆炸，因此通过残差学习和大的学习率及梯度裁剪 gradient cropping 加速收敛 设计 ...
2019-04-02 22:52 0 1498 推荐指数：
相关推荐
Image Super-Resolution Using Very Deep Residual Channel Attention Networks【RCAN】【阅读笔记】
in residual模块用长跳连接多个残差组，组成了very deep residual channel atten ...
(2017-CVPR)Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution
本文认为已有的SR方法存在着三个主要的问题： ①采用预定义的上采样操作（例如双三次插值）会产生不必要的计算代价，并且结果可能会有重建伪影。而使用反卷积层这样的操作来替换预定义的上采样操作，网 ...
论文阅读笔记六十五:Enhanced Deep Residual Networks for Single Image Super-Resolution(CVPR2017)
论文原址:https://arxiv.org/abs/1707.02921 代码: https://github.com/LimBee/NTIRE2017 摘要 以DNN进行超 ...
Deep Learning for Image Super-resolution: A Survey
摘要： 图像超分辨率(SR)是提高计算机视觉中图像和视频分辨率的一类重要图像处理技术。近年来，利用深度学习技术实现图像超分辨率技术取得了显著进展。在调查中，我们的目的是给出在一个系统的方式中使用 ...
论文学习 ：Learning a Deep Convolutional Network for Image Super-Resolution 2014
(Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014) 摘要：我们提出了一种单图像超分辨率的深度学习方法(SR)。我们的方法直接学习在低/高分辨率图像之间的端到端映射 ...
论文阅读| EDSR：Enhanced Deep Residual Networks for Single Image Super-Resolution
github：https://github.com/LimBee/NTIRE2017 摘要 本文主要是用了残差学习，这篇论文也就使用了残差结构超分网络使得效果大大超越SOTA 移除传统残差 ...
论文阅读笔记六十六:Wide Activation for Efficient and Accurate Image Super-Resolution(CVPR2018)
论文原址:https://arxiv.org/abs/1808.08718 代码:https://github.com/JiahuiYu/wdsr_ntire2018 摘要 ...