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(wǎng)絡(luò)ResNet，VDSR學(xué)習(xí)殘差結(jié)構(gòu)。

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(duì)抗學(xué)習(xí)的代價(jià)函數(shù)是基于判別器輸出的概率。

應(yīng)當(dāng)使重建的高分辨率圖像與真實(shí)的高分辨率圖像無(wú)論是低層次的像素值上，還是高層次的抽象特征上，和整體概念和風(fēng)格上，都應(yīng)當(dāng)接近。

10、EDSR

(Enhanced Deep Residual Networks for Single Image Super-Resolution, CVPRW2017)

?

?

?

【轉(zhuǎn)載自】

從SRCNN到EDSR，總結(jié)深度學(xué)習(xí)端到端超分辨率方法發(fā)展歷程（轉(zhuǎn)） - ch07013224的專(zhuān)欄 - CSDN博客 https://blog.csdn.net/ch07013224/article/details/80324312

深度學(xué)習(xí)在圖像超分辨率重建中的應(yīng)用 - 知乎 https://zhuanlan.zhihu.com/p/25532538?utm_source=tuicool&utm_medium=referral

深度對(duì)抗學(xué)習(xí)在圖像分割和超分辨率中的應(yīng)用 - 知乎 https://zhuanlan.zhihu.com/p/25201511

【其他】

基于深度學(xué)習(xí) - 簡(jiǎn)書(shū) https://www.jianshu.com/p/0da33bbaeff6

SISR算法綜述 https://github.com/YapengTian/Single-Image-Super-Resolution

轉(zhuǎn)載于:https://www.cnblogs.com/wxl845235800/p/10839231.html

總結(jié)

以上是生活随笔為你收集整理的【SR汇总】基于深度学习方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。