VDSR超分辨率

论文全名：Accurate Image Super-Resolution Using Very Deep Convolutional Networks

下载地址：https://pan.baidu.com/s/1ge2pCWF

code：https://github.com/huangzehao/caffe-vdsr

该论文利用残差学习，加深网络结构（20层），在图像的超分辨率上取得了较好的效果，20层的深度可以说是很大了，作者采取了残差学习，提高学习率来为梯度传输排除障碍，同时，输入图片的大小不一致，使得网络可以针对不同倍数的超分辨率操作，此外，作者还有一个小妙用，可以说是很巧妙，就是卷积后补0使得图像大小保持一致.

关于卷积补0，我在这里解释一下，

首先呢，卷积有个好处，就是提高较大的感受野，感受野就是视野的意思，图片预测，如果利用一个像素点去推断一个像素点，那么是做不好的，所以就要用卷积，卷积使得可以根据NXN个像素去推断目标像素值，图像处理中大家普遍认为像素之间是有相关性的，所以 根据更多的像素数据去推断目标像素，也是认为是一个提高效果的操作

如下图所示，一个5X5的图片利用3X3的卷积核 卷积2次 输出为1个1X1的像素，我们可以说，这个输出结果考虑到了5X5的像素信息，也就是