key word：LapSRN CNNSR 残差
Abstract：利用拉普拉斯金字塔SR网络重建LR的次级（？）残差。
主要方法：低级的feature maps → 金字塔层N → 高分辨率残差 ，按此形式层层放大
备注：
- 网络结构：
每个金字塔层：卷积层xN（提取特征） → 反卷积层（上采样2倍） → 卷积层（提取特征） → 卷积层（预测残差）
输入图像：在每级也经过一个反卷积层使尺寸上采样2倍，再与此级的残差相加，就能重构出这一级的上采样结果。
- 链接：
github(matconvnet):https://github.com/phoenix104104/LapSRN
github(pytorch):https://github.com/twtygqyy/pytorch-LapSRN
github(tensorflow):https://github.com/zjuela/LapSRN-tensorflow
参考：https://zhuanlan.zhihu.com/p/31664818
扫描二维码关注公众号，回复：
2868257 查看本文章
