在图像超分辨率中重新启用 Dropout

Dropout 旨在缓解高层视觉任务中的过拟合问题，但很少应用于低层视觉任务，如图像超分辨率（SR）。作为一个经典的回归问题，SR 表现出与高层任务不同的行为，并且对 dropout 操作敏感。然而，在本文中，我们表明适当使用 dropout 有益于 SR 网络并提升泛化能力。具体而言，dropout 更好地嵌入在网络末端，并且对多退化设置大有助益。这一发现打破了我们的常识，并启发我们探索其工作机制。我们进一步使用了两种分析工具——一种来自近期的网络解释工作，另一种专为此任务设计。分析结果对我们的实验发现提供了侧面证明，并为我们理解 SR 网络提供了新视角。