超分辨率重建（深度学习）2018年之前经典论文

大部分文章这篇博客介绍的很详细：
https://blog.youkuaiyun.com/aBlueMouse/article/details/78710553
1、SRCNN（第一次将深度学习应用于SR，先插值放大，再三次卷积）

2、FSRCNN（对SRCNN提速，不需要插值放大，反卷积+小的卷积核）

3、ESPCN（亚像素卷积层）
这篇论文采用了一种新的上采样方式，后边好几篇性能比较好的论文都是采用这种方法上采样，效果应该会比反卷积效果好

Resnet问世，借鉴renet的思想，开始学习HR和LR的残差部分，取得了不错的效果，后续优秀网络都有用到残差的思想。
4、VDSR（全局残差学习）
5、DRCN（全局残差学习+单权重的递归学习+多目标优化）
6、DRRN（多路径模式的局部残差学习+全局残差学习+多权重的递归学习）

7、RED（对称的卷积层-反卷积层）