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(2014年），主要存在以下几个问题： 1、感受野小，使得获取的语义信息少 ...
原文：(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： 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，网络结构又比较简单，性能较差，不能很好地学习复杂的映射 使用l 型损失函数时，不可避免地会产生模糊的预测，恢复出的高分辨图片往往会过于平滑 大部分的方法都只有一次上采样的步骤，这就会使得对于更高倍数因子的训练变得 ...
2019-11-24 16:14 0 336 推荐指数：
相关推荐
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 ...
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 ...
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 ...
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 移除传统残差网络中不必要的模块 。多尺度的超分(MDSR)和训练方法。 也是NTIRE2017超分挑战的冠军 ...
小米造最强超分辨率算法 | Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search
本篇是基于 NAS 的图像超分辨率的文章，知名学术性自媒体 Paperweekly 在该文公布后迅速跟进，发表分析称「属于目前很火的 AutoML / Neural Architecture Sear ...
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 ...
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 ...