【论文】【LapSRN】Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution

模型框架图（其中一级） 若S是我们的放大因子，那么我们在log2S层，渐进的预测残差图。模型主要有两部分：特征提取，图像重构 特征提取 图像重构 对于每一级而言（s层），对输入图像用一个scale等于2的一个上采样层进行操作。然后这个上采样层将和当前层的特征提取分支预测得到的residual图进行相加（利用element-wise summation）。并将相加得到的HR图像输入到下一级中（s+1

>>阅读原文<<