题目：学习深度卷积神经网络实现图像超分辨率 ECCV 2014 收录
摘要：
我们提出了一种单张图像超分辨率(SR)的深度学习方法。我们的方法直接学习低/高分辨率图像之间的端到端映射。该映射表示为一个深卷积神经网络(CNN)[15]，它以低分辨率图像为输入输出高分辨率图像。我们进一步证明了传统的稀疏编码SR方法也可以看作是一个深度卷积网络。但不同于传统的方法去单独处理每个组件，我们的方法联合优化所有层。我们的深度CNN是一个轻量级的架构，展示了最先进的修复质量，并实现了快速的在线应用。
-----------------------------------------
代码地址：https://github.com/tegg89/SRCNN-Tensorflow 基于TensorFlow
其他地址：http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html 基于matlab和caffe
-----------------------------------------
优点：网络结构十分简单，仅仅用了三个卷积层，框架在选择参数时很灵活，可以采用四层或更多层，更大的过滤尺寸来进一步提高性能。
缺点：SRCNN针对的是单个尺度因子进行训练，如果需要新的规模，则必须对新模型进行训练。特征提取只用了一层卷积层，存在着感受野较小的问题，提取出来的特征是非常局部的特征，细节无法恢复出来。
-----------------------------------------