FSRCNN: Accelerating the Super-Resolution Convolutional Neural Network. ECCV 2016

1 文章摘要

FSRCNN是对之前SRCNN的改进：

• 一是在最后使用了一个反卷积层放大尺寸，因此可以直接将原始的低分辨率图像输入到网络中，而不是像之前SRCNN那样需要先通过bicubic方法放大尺寸。
• 二是改变特征维数，使用更小的卷积核和使用更多的映射层。
• 三是可以共享其中的映射层，如果需要训练不同上采样倍率的模型，只需要fine-tuning最后的反卷积层

FSRCNN的其他细节：

• 激活函数：PReLU
• 损失函数：MSE
• 优化器：SGD

2 网络结构

3 问题与解决方法

问题：SRCNN中到底是什么拖慢了重建速度呢？

• 一般网络都直接对Interpolated LR投入到网络中，这便带来复杂的计算开销，假设要放大n倍，那么计算复杂度则上升到了n^2。
• 非线性层映射的参数太过臃肿。

解决办法：

• 取消ILR输入，而是采用LR输入，在最后引用deconv
• 改进mapping layer

参考：
项目主页：http://mmlab.ie.cuhk.edu.hk/projects/FSRCNN.html
博客参考：https://blog.csdn.net/shwan_ma/article/details/78171649