[图像超分]--Adaptive Densely Connected Single Image Super-Resolution

点评一下，如有不对的地方，请联系更正！首先本文的实验结果非常优秀，超越了RCAN、SAN等方法，但是也隐藏了几个不公平的trick，例如：1.网络通道数是128，RCAN、SAN均为64通道；2.训练数据集为DIV2K+Flickr2K共3000多张图片，RCAN、SAN等只采用DIV2K800张图片训练。此外感觉论文的消融实验分析缺少了个整个网络整体各个模块的贡献度，仅仅是拿出来单独测试了一下有效性。

摘要：

为了提高单图像超分辨率(SISR)的性能，我们提出了一种基于自适应密集连接(ADCSR)的图像超分辨率算法。算法分为BODY和SKIP两部分。通过自适应密集连接，提高了卷积特征的利用率。此外，我们还开发了一个自适应亚像素重建层(AFSL)来重建BODY输出的特征。我们对SKIP进行预训练，使BODY专注于高频特征学习。通过PSNR、SSIM、视觉效果的对比验证了其优越性我们的方法以最先进的算法。

正文：

一、Motivation:
1.dense结构比residual结构表现好
2.WDS和AWSRN中的Global-Skip，可以使得主体网络集中学习高频信息

二、ADCSR: