Image super-resolution using a dilated convolutional neural network
这是一篇很有意思的文章，首先他的应用场景是超分辨率，然后他用到的网络结合了很多优秀的结构，通过这些优秀的结构解决了很多超分辨中的问题。
而且这个网络非常简单，并且很优雅，让人流连忘返。
文章提出的网络主要有以下几个部件组成：
- 空洞卷积（或叫扩张卷积，dilated convolutional);
- 跨越连接（skip connect）；
- 不下采样，保留分辨率。
1 网络
从上图可以看到以下几点：
- 网络的输入输出大小是一样的，那么如何获得超分辨率的图像的，是这样的，首先将图像插值放大到2倍，然后输入到这个网络中，网络输出的是分辨率一样，但是细节更加清晰的图像。
- 网络只有7层，是一个非常小的网络，因为在使用空洞卷积的到时候，网络并没有进行下采样，所以造成显存和计算量会占用很大，所以文章采用了较小的网络，实现了节省计算资源和显存的作用。
- 使用了skip连接，使用skip连接是将低维信息和高维相结合，低维信息往往代表一些图像的细节，而高维信息往往表示一些高维的语义特征，所以通过skip连接然网络的数据具有更多的细节，从而这个超分辨率网络才会更好。
- 使用了空洞卷积（dilated conv），空洞卷积具有保留信息而增加感受野的作用，所以空洞卷积在分割和检测中也常常使用。
2 放大超过两倍
如果想将图像放大4倍、5倍或者跟大，那要怎么实现呢？ 文章利用联机的方式来进行放大，只需要将图像多次经过超分辨率网络就可以实现，如果放大倍数不是2的倍数，那么怎么办呢？ 这时候我们可以先放大，再缩小。例如想放大3倍，我们可以先放大4倍，然后再进行下采样即可。
3 引用
- Image super-resolution using a dilated convolutional neural network