深度学习用于图像超分辨率重建的经典paper汇总(1)

一.Super-ResolutionConvolutional Neural Net-Work（SRCNN），eccv2014。

0.亮点：率先提出用于SR的DL model。

1.预处理：首先用双三次插值方法将低分辨率图像扩展到期望的高分辨率图大小,此图为Y。

2.利用三个卷积层学习一个映射F，使Model以Y为输入，输出为逼近高分辨率图像X的图像F（Y）

1)特征提取，，核9*9，输出特征数64。

2)非线性映射，，核1*1，输出特征数32。

3)重建：，核5*5。

3.损失函数：

4.评价指标：PSNR(Peak Signal-to-Noise Ratio)和SSIM（Structure Similarity Index）。值越高越好。

5.数据集：训练集Timofte（包含91幅图像），测试集Set5,Set14。也有用ImageNet做进一步训练测试。

6.论文和code链接http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html