1、srcnn、fsrcnn
(learning a deep convolutional network for image super-resolution, eccv2014)
(accelerating the super-resolution convolutional neural network, eccv2016)
2、espcn、vespcn
(real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network, cvpr2016)
(real-time video super-resolution with spatio-temporal networks and motion compensation, arxiv 2016)
鄰幀的位移偏差+多尺度的motion estimation
3、vdsr
(accurate image super-resolution using very deep convolutional networks, cvpr2016)
殘差網路resnet，vdsr學習殘差結構。
4、drcn
(deeply-recursive convolutional network for image super-resolution, cvpr2016)
5、red
(image restoration using convolutional auto-encoders with symmetric skip connections, nips2016)
6、drrn
(image super-resolution via deep recursive residual network, cvpr2017)
7、lapsrn
(deep laplacian pyramid networks for fast and accurate super-resolution, cvpr2017)
8、srdensenet
(image super-resolution using dense skip connections, iccv2017)
9、srgan(srresnet)
(photo-realistic single image super-resolution using a generative adversarial network, cvpr2017)
對抗學習的代價函式是基於判別器輸出的概率。
應當使重建的高解析度影象與真實的高解析度影象無論是低層次的畫素值上，還是高層次的抽象特徵上，和整體概念和風格上，都應當接近。
10、edsr
(enhanced deep residual networks for single image super-resolution, cvprw2017)
【**自】
從srcnn到edsr，總結深度學習端到端超解析度方法發展歷程**） - ch07013224的專欄 - csdn部落格
深度學習在影象超解析度重建中的應用 - 知乎
深度對抗學習在影象分割和超解析度中的應用 - 知乎
【其他】
sisr演算法綜述
深度學習方法
目前大多數深度估計方法是通過2d的到2.5d的表面形狀 場景深度 比較成功的基於幾何影象方法包括 structure from motion，shape from x，monocular stereo，binocular stereo和multi view stereo 其中shape from x...
基於深度學習方法的語音識別研究（三）
前些天在師兄的幫助下，在此感謝工大的薛師兄，實現了blstm的語音識別聲學模型的搭建，由於實驗室存在保密協議，只能提供部分 還望各位同學體諒，如下 coding utf 8 author zhangwei import tensorflow as tf import numpy as np file...
深度學習方法簡要理解
遷移學習 transfer learning 顧名思義就是就是把已學訓練好的模型引數遷移到新的模型來幫助新模型訓練。考慮到大部分資料或任務是存在相關性的，所以通過遷移學習我們可以將已經學到的模型引數 也可理解為模型學到的知識 通過某種方式來分享給新模型從而加快並優化模型的學習效率不用像大多數網路那樣...