【論文閱讀】Image Super-Resolution via Deep Recursive Residual Network

題目：經過深度遞歸殘差網絡實現圖像的超分辨率

摘要：

近年來，基於卷積神經網絡的模型在單張圖像的超分辨率上已經取得了巨大的成功。因爲深度網絡的強大，這些CNN模型學習了從低分辨率輸入圖像到高分辨率目標圖像的有效非線性映射，但代價是須要大量的參數。本文提出了一種深度CNN模型(多達52層)，稱爲深度遞歸殘差網絡(DRRN)，致力於創建深度而簡潔的網絡。具體地說，在全局範圍和局部範圍內都採用殘差學習的方法，以減小訓練深度網絡訓練的難度;採用遞歸學習方法對模型參數進行控制，同時增長模型的深度。普遍的基準評估代表，DRRN在使用更少的參數的狀況下，顯著優於SISR中的最新技術。