超分辨率文献整理

SRCNN

Image Super-Resolution Using Deep Convolutional Networks (TPAMI2015), Chao Dong et al.

基于卷积网络的超分辨率算法的鼻祖，模型很小，但是效果超过了传统的基于稀疏编码以及A+之类的方法，目前这篇文章发表在了IEEE PAMI上。

由此衍生的waifu2x大家有兴趣也可以去试试看。

VDSR

Accurate Image Super-Resolution Using Very Deep Convolutional Networks (CVPR2016), Jiwon Kim et al.

更深的网络往往能够带来更好的效果，VDSR是具有十几层的深度，效果也明显好于SRCNN这种比较浅的网络模型。

DRCN

Deeply-Recursive Convolutional Network for Image Super-Resolution (CVPR2016), Jiwon Kim et al.

递归结构可以有效控制模型的参数数量，其等效于叠加多个卷积模块。此外这篇文章还提出了一个多重监督的方法，使得递归网络能够更好的训练

DRRN

16年CVPR的文章，出自我们实验室的Tai师兄，收到了DRCN的启发，DRRN也采用了递归结构，此外模型的深度达到了52层，效果也是大大超过了以往的算法。这篇文章也引入了局部的残差学习，而不是直接堆叠卷积层

MemNet

17年ICCV的spotlight文章，出自我们实验室的Tai师兄，和DenseNet有点像，但是又增加了从低层到高层的连接，如图增强了记忆一样强化了信号，同样使达到了很高的超分辨率效果，此外Memnet还能处理图像降噪和JPEG Deblock等问题。

EDSR

Enhanced Deep Residual Networks for Single Image Super-Resolution (Winner of NTIRE2017 Super-Resolution Challenge), Bee Lim et al.

17年NTIRE比赛的冠军，主要就是发现了去掉BN层可以使得模型更好的训练。在DIV2k数据集上训练了一个星期，达到了非常高的PSNR和SSIM

LapSRN

Deep Laplacian Pyramid Networks for Fast and Accurate Super-Resolution (CVPR 2017), Wei-Sheng Lai et al.

17年CVPR的文章，主要提出了基于laplacian金字塔的递进式的重建方案，使得在一次运算时可以重建出多个尺度的高分辨率图像。

SESR

我们发现SE结构可以给卷积层输出的channel重新赋予权重，使得网络能够达到更高的效率，SESR只用了4的递归深度，等效27层网络，在同样的训练集上达到了最好的效果。详细可以看我们介绍SESR的文章

性能对比

转自https://github.com/huangzehao/Super-Resolution.Benckmark

Scale	Bicubic	A+	SRCNN	SelfExSR	CSCN	VDSR	DRCN	IA
2x - PSNR/SSIM	33.66/0.9929	36.54/0.9544	36.66/0.9542	36.49/0.9537	36.93/0.9552	37.53/0.9587	37.63/0.9588	37.39/
3x - PSNR/SSIM	30.39/0.8682	32.59/0.9088	32.75/0.9090	32.58/0.9093	33.10/0.9144	33.66/0.9213	33.82/0.9226	33.46/
4x - PSNR/SSIM	28.42/0.8104	30.28/0.8603	30.48/0.8628	30.31/0.8619	30.86/0.8732	31.35/0.8838	31.53/0.8854	31.10/

Scale	Bicubic	A+	SRCNN	SelfExSR	CSCN	VDSR	DRCN	IA
2x - PSNR/SSIM	30.24/0.8688	32.28/0.9056	32.42/0.9063	32.22/0.9034	32.56/0.9074	33.03/0.9124	33.04/0.9118	32.87/
3x - PSNR/SSIM	27.55/0.7742	29.13/0.8188	29.28/0.8209	29.16/0.8196	29.41/0.8238	29.77/0.8314	29.76/0.8311	29.69/
4x - PSNR/SSIM	26.00/0.7027	27.32/0.7491	27.49/0.7503	27.40/0.7518	27.64/0.7587	28.01/0.7674	28.02/0.7670	27.88/

Scale	Bicubic	A+	SRCNN	SelfExSR	CSCN	VDSR	DRCN	IA
2x - PSNR/SSIM	29.56/0.8431	31.21/0.8863	31.36/0.8879	31.18/0.8855	31.40/0.8884	31.90/0.8960	31.85/0.8942	31.79/
3x - PSNR/SSIM	27.21/0.7385	28.29/0.7835	28.41/0.7863	28.29/0.7840	28.50/0.7885	28.82/0.7976	28.80/0.7963	28.76/
4x - PSNR/SSIM	25.96/0.6675	26.82/0.7087	26.90/0.7101	26.84/0.7106	27.03/0.7161	27.29/0.7251	27.23/0.7233	27.25/

常用数据集