图像超分任务可以看作是试图从LR图像中恢复尽可能多的高频信息。在SR任务中，输入的LR图像包含了丰富的低频信息。但是之前的任务把不同channel都同等对待，限制了CNN的表达能力。因此文中在EDSR的基础上结合了channel attention机制，构建了residual in residual模块用长跳连接多个残差组，组成了very deep residual channel attent ...
2020-08-12 22:16 0 475 推荐指数：
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。 为了解决上述问题，作者提出了一个深度残差通道注意力网络（RCAN）。特别地，作者设计了一个残差中的残差 ...
论文原址:https://arxiv.org/abs/1707.02921 代码: https://github.com/LimBee/NTIRE2017 摘要 以DNN进行超 ...
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 ...
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 ...
CVPR20的文章，感觉想法挺棒的。 超分问题可以定义为$y=(x\otimes k)\downarrow_s+n$.他通常有两大类解决方法，早期通常是使用model-based方法。 ...
项目地址：http://www.wisdom.weizmann.ac.il/~vision/zssr/ 之前利用深度学习构建的SR模型都是有监督学习，利用了大量的外部信息。但是由于这些LR-HR ...
超分辨率问题（Image super-resolution, SR) 从低分辨率(LR)的图像中 ...
目前的SR任务都是将真实图像进行下采样得到成对数据集进行训练，这样的训练会造成与真实情况存在domain gap。因此本文针对这个问题提出了用不成对的数据进行一种伪监督训练。感觉本质上就是通过Cy ...
