【超分辨率| 2019最新综述】进入超分辨率的深度旅程：一项调查，附PDF（A Deep Journey into Super-resolution: A survey）

论文主题： A Deep Journey into Super-resolution: A survey

论文摘要： 基于深卷积网络的超分辨是一个快速发展的领域，有着广泛的实际应用。在这个说明中，我们广泛比较了30多个最先进的超分辨率卷积神经网络（CNNs）超过三个经典数据集和最近引入的三个具有挑战性的数据集对单图像超分辨率进行了基准测试。我们为基于深度学习的超分辨率网络，将现有方法分为九类，包括线性、残差、多分支、递归、渐进、基于注意力和对抗性设计。我们还提供了网络复杂度、内存占用、模型输入和输出、学习细节、网络损耗的类型和重要性架构差异（例如，深度、跳过连接、过滤器）。进行了广泛的评估，显示了一致性和快速性在过去几年中，随着模型复杂性的提高和大规模的可用性的增长数据集。我们还注意到，作为基准的开拓性方法已经被目前的竞争者。尽管近年来取得了进展，但我们确认了现有技术的一些缺点并提供了未来解决这些开放性问题的研究方向。