【论文阅读】Deeply-Recursive Convolutional Network for Image Super-Resolution

时间 2019-11-18

标签论文阅读 deeply recursive convolutional network image super resolution 栏目系统网络繁體版

原文原文链接

题目：Deeply-Recursive Convolutional Network for Image Super-Resolution CVPR 2016 Oral收录git

摘要：github

咱们提出了一种基于深度递归卷积网络的图像超分辨方法。咱们的网络有一个很深的递归层(最多16层)。增长递归深度能够提升性能，而无需为额外的卷积引入新的参数，尽管有不少优势，可是使用标准的梯度降低方法学习DRCN很是困难，由于存在梯度消失/爆炸。为了下降训练难度，咱们提出了递归监控和跳跃链接两种扩展方法。咱们的方法大大优于以前的方法。网络

代码地址：https://github.com/jiny2001/deeply-recursive-cnn-tf性能

优势：1.DRCN第一次将以前已有的递归神经网络(Recursive Neural Network)结构应用在超分辨率处理中；使用了残差学习的思想（Skip Connection），加深了网络结构，增长了网络的感觉野，提高了性能。学习

缺点：spa