你的思想出了问题的博客

Deep Back-Projection Networks For Super-ResolutionGoogle机翻:用于超分辨率的深背投影网络背景：SR方面的深度学习方法都是前馈的（当时），因此没有充分利用到高低分辨对的相互依赖关系。作者提出通过将多个上下采样块级联，可以更好地学习到高低分辨对的特征，而且级联的上下采样块还可以表征不同的图像劣化方式和高频分量。通过堆叠(concaten...

Recurrent Back-Projection Network for Video Super-Resolution作者：Muhammad Haris, Greg Shakhnarovich, and Norimichi Ukita作者提出：流行的MISR或者VSR方法一般都是基于准确的运动估计和运动补偿（alignment），这个模式受到运动估计准确度的约束。RBPN希望改进这个模...

权重初始化神经网络从错误中学习，但是错误要能够被定位到。如果不能定位到错误那么就无法改正。对于神经网络中的参数来说，如果所有参数全部一样（比如初始化为全0），那么就面临一个问题：梯度往哪里下降是最快呢？？看一个例子神经网络很难判断哪些权重需要更改，因为每个层级的神经元输出是一样的。为了避免神经元具有相同的输出，我们使用独特权重。我们还可以随机选择权重，避免每个周期后的损失都陷于局部最低点...