【論文閱讀】Learning a Deep Convolutional Network for Image Super-Resolution

阿新 • • 發佈：2019-04-07

開發十年，就只剩下這套架構體系了！ >>>

題目：學習深度卷積神經網路實現影象超解析度 ECCV 2014 收錄

摘要：

我們提出了一種單張影象超解析度(SR)的深度學習方法。我們的方法直接學習低/高解析度影象之間的端到端對映。該對映表示為一個深卷積神經網路(CNN)[15]，它以低解析度影象為輸入輸出高解析度影象。我們進一步證明了傳統的稀疏編碼SR方法

也可以看作是一個深度卷積網路。但不同於傳統的方法去單獨處理每個元件，我們的方法聯合優化所有層。我們的深度CNN是一個輕量級的架構，展示了最先進的修復質量，並實現了快速的線上應用。

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

程式碼地址：https://github.com/tegg89/SRCNN-Tensorflow 基於TensorFlow

其他地址：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html 基於matlab和caffe

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

優點：網路結構十分簡單，僅僅用了三個卷積層，框架在選擇引數時很靈活，可以採用四層或更多層，更大的過濾尺寸來進一步提高效能。

缺點：SRCNN針對的是單個尺度因子進行訓練，如果需要新的規模，則必須對新模型進行訓練。特徵提取只用了一層卷積層，存在著感受野較小的問題，提取出來的特徵是非常區域性的特徵，細節無法恢復出來。

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

【論文閱讀】Learning a Deep Convolutional Network for Image Super-Resolution

開發十年，就只剩下這套架構體系了！ >>>

【論文閱讀】Long-Term Recurrent Convolutional Networks for Visual Recognition and Description

【論文閱讀】Long-Term Recurrent Convolutional Networks for Visual Recognition and Description 這篇文章是15年的一篇文章，文章設計了CNN+LSTM的網路結構用於行為識別、影象描述、視訊描述。因為我研究行為

【論文閱讀】Deeply-Recursive Convolutional Network for Image Super-Resolution

開發十年，就只剩下這套架構體系了！ >>>

Deep Unfolding Network for Image Super-Resolution 論文解讀

# Introduction 超分是一個在 low level CV 領域中經典的病態問題，比如增強影象視覺質量、改善其他 high level 視覺任務的表現。Zhang Kai 老師這篇文章在我看到的超分文章裡面是比較驚豔我的一篇，首先他指出基於學習(learning-based)的方法表現出高效，且比傳

【論文閱讀】Learning Dual Convolutional Neural Networks for Low-Level Vision

論文閱讀（【CVPR2018】Jinshan Pan - Learning Dual Convolutional Neural Networks for Low-Level Vision）本文針對低層視覺問題，提出了一般性的用於解決低層視覺問題的對偶卷積神經網路。作者認為，低層視覺問題，如常見的有

【論文閱讀】Learning Spatiotemporal Features with 3D Convolutional Networks

【論文閱讀】Learning Spatiotemporal Features with 3D Convolutional Networks 這是一篇15年ICCV的論文，本篇論文提出的C3D卷積網路是3D卷積網路的里程碑，以3D卷積核為基礎的3D卷積網路從此發展起來。論文地址：下載地址

【論文閱讀】Learning Spatial Regularization with Image-level Supervisions for Multi-label Image Classification

分享圖片 xiv onf class 編碼 isp conf caf 策略轉載請註明出處：https://www.cnblogs.com/White-xzx/ 原文地址：https://arxiv.org/abs/1702.05891 Caffe-code：https:/

【論文閱讀】Learning Spatio-Temporal Features with 3D Residual Networks for Action Recognition

【論文閱讀】Learning Spatio-Temporal Features with 3D Residual Networks for Action Recognition 這是2017ICCV workshop的一篇文章，這篇文章只是提出了一個3D-ResNets網路，與之前介紹的

【論文閱讀】：Embedding-based News Recommendation for Millions of Users

非常實用性的一個推薦新聞的模型摘要：新聞推薦非常重要，但是傳統的基於使用者id的協同過濾和低秩分解推薦演算法不完全適用於新聞推薦，因為新聞類文章過期的太快了基於單詞的方法效能不錯，但是有處理同義詞和定義使用者需求的問題因此本文提出一種基於嵌入式的演算法，基於一種去噪自編碼器的

【論文閱讀】Feedback Network for Image Super-Resolution

開發十年，就只剩下這套架構體系了！ >>>

[ 論文閱讀 ] [ 2018 KDD ] [ 42 ] Deep Interest Network for Click-Through Rate Prediction

進行 through lan 數據博客 cti 業界點擊 red 這個博客的目的是串一下阿裏的一篇利用神經網絡進行點擊率預估的文章。作者提出了DIN (Deep Interest Network) 網絡, 對點擊的提升較大。特征工程工業界的數據一般長成categ

論文閱讀筆記《Gated Context Aggregation Network for Image Dehazing and Deraining》WACV19

輸出每一個為什麽作用導致作者 ont 而不是簡單的目錄：相關鏈接方法亮點方法細節實驗結果總結與收獲相關鏈接：論文：https://arxiv.org/abs/1811.08747 源碼：暫無方法亮點：提出端到端的去霧網絡，不

論文筆記：DRAW: A Recurrent Neural Network For Image Generation

DRAW: A Recurrent Neural Network For Image Generation 2019-01-14 19:42:50 Paper：http://proceedings.mlr.press/v37/gregor15.pdf 本文將 V

論文解讀之MemNet: A Persistent Memory Network for Image Restoration

論文名稱：MemNet: A Persistent Memory Network for Image Restoration 作用領域：影象修復（去噪，超解析度） code：https://githu

文獻閱讀:Multi-scale Residual Network for Image Super-Resolution

文章地址： http://openaccess.thecvf.com/content_ECCV_2018/html/Juncheng_Li_Multi-scale_Residual_Network_ECCV_2018_paper.html 作者的專案地址： MSRN-PyTorch 1

【論文閱讀】韓鬆《Efficient Methods And Hardware For Deep Learning》節選《Learning both Weights and Connections 》

Pruning Deep Neural Networks 本節內容主要來自NIPS 2015論文《Learning both Weights and Connections for Efﬁcient Neural Networks》。這部分主要介紹如何剪枝網路

【論文閱讀】Clustering Convolutional Kernels to Compress Deep Neural Networks

文章：Clustering Convolutional Kernels to Compress Deep Neural Networks 連結：http://openaccess.thecvf.com/content_ECCV_2018/papers/Sanghyun_Son_Clustering_Kern

【論文閱讀】Image Super-Resolution Using Deep Convolutional Networks

開發十年，就只剩下這套架構體系了！ >>>

【論文閱讀】Accurate Image Super-Resolution Using Very Deep Convolutional Networks

開發十年，就只剩下這套架構體系了！ >>>

【論文閱讀】Sequence to Sequence Learning with Neural Networks

看論文時查的知識點前饋神經網路就是一層的節點只有前面一層作為輸入，並輸出到後面一層，自身之間、與其它層之間都沒有聯絡，由於資料是一層層向前傳播的，因此稱為前饋網路。 BP網路是最常見的一種前饋網路，BP體現在運作機制上，資料輸入後，一層層向前傳播，然後計算損失函式，得到損失函式的殘差

【論文閱讀】Learning a Deep Convolutional Network for Image Super-Resolution

相關推薦