vdsr（Accurate Image Super-Resolution Using Very Deep Convolutional Networks）论文阅读

摘要：作者受到vgg的启发，搭建了一个20层的卷积神经网络。通过级联多个小的卷积核，更好的利用上下文信息。通常，越深的网络，网络的收敛速度就越慢。这里作者通过残差学习和大的学习率（这里学习率是SRCNN的一万倍），和可调节的梯度裁剪。残差学习是学习LR和HR之间的残差，大的学习率可以加快学习速度，梯度裁剪可以避免梯度爆炸

这篇文章，作者解决下面的问题：

1 对于大的尺度因子，小的感受野对于细节的恢复是不足够的。但是深层网络，拥有更大的感受野，利用更大的上下文信息。

2 残差学习。输入和输出是高度相关的。大的初始学习率。

3 通常超分算法的尺度是指定的。这里作者发现单个尺度模型对于多尺度超分是足够的。

提出的方法

作者使用双三次插值后的图像作为网络的输入。