一、论文
《Enhanced Deep Residual Networks for Single Image Super-Resolution》
随着深度卷积神经网络（DCNN）的发展，有关超分辨率的最新研究已经取得了进展。 特别地，残余学习技术表现出改进的性能。 在本文中，我们开发了一种性能增强的深层超分辨率网络（EDSR），其性能超过了当前最新的SR方法。 我们模型的显着性能改进是由于通过删除常规残差网络中不必要的模块进行了优化。 通过扩大模型大小，同时稳定训练过程，可以进一步提高性能。 我们还提出了一种新的多尺度深度超分辨率系统（MDSR）和训练方法，该方法可以在单个模型中重建不同放大因子的高分辨率图像。 所提出的方法在基准数据集上显示出优于最新方法的性能，并通过赢得NTIRE2017超级分辨率挑战赛[26]证明了其卓越性。
二、网络结构
三、代码
四、相关资料