Deep Residual Network with Enhanced Upscaling Module for Super-Resolution
文章地址: https://arxiv.org/pdf/1707.02921.pdf
網絡結構
(i) 文章的主要新意在紅色的圓角矩形內，網絡結構分成了兩個部分，一是特徵提取部分，二是放大尺寸的重建部分。
(ii) 特徵提取部分是一層的淺層特徵提取，再加上殘差塊。
(iii) 殘差塊中又包含若干個局部殘差塊，局部殘差塊的內部結構是兩層卷積再加上兩者中間的一個ReLU激活函數。
(iv) 前面的部分是很普通的特徵提取塊，可以再加上密集，循環之類的操作。
(v) 後邊的部分中的紅色圓角矩形中使用ESPCN的PixelShuffle(像素重組)，來放大圖片的尺寸，在pytorch裏面有特定的操作。
(vi) 上面的後半部分的網絡結構不是本文的，接下來介紹本文的。
我們可以很清楚的看到，上面的PixelShuffle操作的輸入有了很大的不同，之前部分的輸入僅僅是灰色部分經過卷積的輸出，但是下邊部分是希望每經過一次殘差塊的輸出都能夠作爲PS 的輸入，這樣就能夠充分利用不同深度的特徵圖。能夠使用不同的東西要比只是用一種東西要好，我們的想法是這樣，但是我覺得裏面存在一些問題，每個部分的特徵圖的數量是一樣的，我覺得這裏可以使嘗試着改進一下，就是可以讓通道數不一樣，這樣我們就能夠知道，深層和淺層特徵圖對重建圖像的貢獻。
網絡結構使用的是EDSR的升級版MDSR，能夠實現多尺度圖像的重建效果。
重建的PSNR效果還行，但是還是比不上EDSR。我覺得文章只是提出了一個新的方法在構造重建部分。