用于图像超分辨率的深度递归卷积网络
计算机视觉与模式识别
2016-11-14 v2 机器学习
摘要
我们提出一种使用深度递归卷积网络（DRCN）的图像超分辨率（SR）方法。我们的网络具有非常深的递归层（多达16次递归）。增加递归深度可在不引入额外卷积新参数的情况下提升性能。尽管有这些优势，由于梯度爆炸/消失，使用标准梯度下降方法学习DRCN非常困难。为缓解训练难度，我们提出两种扩展：递归监督（recursive-supervision）和跳跃连接（skip-connection）。我们的方法大幅优于先前的方法。
引用
@article{arxiv.1511.04491,
title = {Deeply-Recursive Convolutional Network for Image Super-Resolution},
author = {Jiwon Kim and Jung Kwon Lee and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1511.04491},
year = {2016}
}
备注
CVPR 2016 Oral