開發十年，就只剩下這套架構體系了！ >>>   

摘要：

我們提出了一種用於單張影象超解析度（SR）的深度學習方法。我們的方法在低解析度和高解析度影象上直接學習端到端的對映.這種對映被表示為一種深度卷積神經網路（DCNN），它將低解析度影象作為輸入並且把高解析度影象作為輸出。我們進一步表明，基於傳統的稀疏編碼的超解析度方法可以被描述為一個深度卷積網路。但和傳統的方法並不一樣，傳統的方法在處理每個模組是分離開的，我們的方法是同時優化多個層。我們的深度卷積神經網路是一個輕量級的結構，同時也證明了在當前情況下的重建質量，並且線上實踐使用中可以達到很快的速度。我們嘗試了不同的網路架構和設定引數，以達到效能和速度的一種平衡。另外，我們擴充套件了我們的網路並用來處理三個通道，同時顯示出更好的整體重建質量。

---------------------

索引術語：超解析度，深度卷積神經網路，稀疏編碼

介紹：

單張影象超解析度是計算機視覺的一個經典問題，旨在從單張的低解析度影象恢復成高解析度影象。