yunyi4367的博客

二.Deeply-Recursive Convolutional Network for Image Super-Resolution(DRCN) 0.亮点:使用递归网络，不增加参数的情况下增加感受野。SRCNN感受野13*13，DRCN感受野为41*41. 1.模型组成 1)基础模型 (1)Embedding network.相当于对输入做特征提取，共两层，如上图.

三.Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network(ESPCN) 本篇文章了提出了一种新型的CNN框架，用于实现在低分辨率的图像上提取特征并进行超分辨处理。而之前的超分辨方法需将低分辨率图像上采样至高分辨率图像的尺寸，再使用滤波器

一.Super-ResolutionConvolutional Neural Net-Work（SRCNN），eccv2014，DL用在SR上的先河。 1.预处理：首先用双三次插值方法将低分辨率图像扩展到期望的高分辨率图大小,此图为Y。 2.利用三个卷积层学习一个映射F，使Model以Y为输入，输出为逼近高分辨率图像X的图像F（Y） 1)  特征提取，，核9*9，输出特征数64。