深度学习之超分辨率重建技术（Super-Resolution）总结：从 SRCNN 到 WDSR

本文主要是介绍深度学习之超分辨率重建技术（Super-Resolution）总结：从 SRCNN 到 WDSR，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1、前言

超分辨率重建技术（Super-Resolution）是指从观测到的低质量、低分辨率图像重建出相应的高质量、高分辨率图像。高分辨率图像意味着图像具有更多的细节信息、更细腻的画质，这些细节在高清电视、医学成像、遥感卫星成像等领域有着重要的应用价值。

Super-Resolution 可分为两类:从多张低分辨率图像重建出高分辨率图像、从单张低分辨率图像重建出高分辨率图像。基于深度学习的 Super-Resolution ，主要是基于单张低分辨率的重建方法，即Single Image Super-Resolution (SISR)。

Super-Resolution 的发展历程为：

SRCNN[1] → VDSR[2] → DRCN[3]→ ESPCN[4] → SRGAN[5] → EDSR[6] → DBPN[7] → WDSR[8]

博主注：在网络详解中分别给出了对应的代码实现，在参考论文中分别给出了对应的论文PDF。论文的压缩包在超分辨率重建.zip

2、网络详解

2.1、SRCNN 😃

代码：

• (caffe)http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html
  

2.2、VDSR 😃

代码：

• (pytorch): https://github.com/twtygqyy/pytorch-vdsr
  

2.3、DRCN 😃

代码：

• https://cv.snu.ac.kr/research/DRCN/
  

2.4、ESPCN 😃

代码：

• (TensorFlow): https://github.com/Tetrachrome/subpixel
  

2.5、SRGAN 😃

代码：

• (TensorFlow): https://github.com/zsdonghao/SRGAN

• (TensorFlow): https://github.com/buriburisuri/SRGAN

• (caffe): https://github.com/ShenghaiRong/caffe_srgan

• (TensorFlow): https://github.com/brade31919/SRGAN-tensorflow

• (keras): https://github.com/titu1994/Super-Resolution-using-Generative-Adversarial-Networks

• (pytorch): https://github.com/aitorzip/PyTorch-SRGAN
  

2.6、EDSR 😃

代码：

• (TensorFlow): https://github.com/jmiller656/EDSR-Tensorflow

• (pytorch): https://github.com/thstkdgus35/EDSR-PyTorch
  

2.7、DBPN 😃

代码：

• (caffe): https://github.com/alterzero/DBPN-caffe

• (pytorch): https://github.com/alterzero/DBPN-Pytorch

2.8、WDSR 😃

代码：

• (pytorch):https://github.com/JiahuiYu/wdsr_ntire2018
  

3、参考论文

• [1] Image Super-Resolution Using Deep Convolutional Networks【SRCNN】2014.12😃

• [2] Accurate Image Super-Resolution Using Very Deep Convolutional Networks【VDSR】2015.11😃

• [3] Deeply-Recursive Convolutional Network for Image Super-Resolution【DRCN】2016.6😃

• [4] Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolutional Neural Network【ESPCN】2016.6😃

• [5] Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network【SRGAN】2016.9😃

• [6] Enhanced Deep Residual Networks for Single Image Super-Resolution【EDSR】2017.7😃

• [7] Deep Back-Projection Networks For Super-Resolution【DBPN】2018.3😃

• [8] Wide Activation for Efficient and Accurate Image Super-Resolution【WDSR】2018.8😃

4、未来计划

未来我将会逐步复现上述八个论文，会写一写博客详解一下论文结构和关键技术以及实现等等，期待一下自己的课题完美收官。😃😃😃😃😃😃😃😃

如果想要更多的资源，欢迎关注 @我是管小亮，文字强迫症MAX~

回复【福利】即可获取我为你准备的大礼，包括C++，编程四大件，NLP，深度学习等等的资料。

想看更多文（段）章（子），欢迎关注微信公众号「程序员管小亮」~

这篇关于深度学习之超分辨率重建技术（Super-Resolution）总结：从 SRCNN 到 WDSR的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---