论文题目：用于图像超分辨率的反馈网络
摘要：
图像超分辨率（SR）的最新进展中展现出了深度学习的力量，目的是实现更好的重建性能。然而，现有的基于深度学习的图像超分辨率方法尚未充分利用人类视觉系统中常见的反馈机制。在本文中，我们提出了一个图像超分辨率的反馈网络（SRFBN）来重新定义具有高级信息的低级表示。具体而言，我们在具有约束的循环神经网络（RNN）中使用隐藏状态来实现这种反馈方式。反馈块旨在处理反馈连接，并生成强大的高级表示。所提出的SRFBN网络具有强大的早期重建能力，可以逐步创建最终的高分辨率图像。此外，我们引入了课程学习策略，使网络非常适合于更复杂的任务，其中低分辨率图像被多种类型的降级所破坏。 大量的实验结果证明了与现有技术方法相比，所提出的SRFBN存在优越性。代码地址。
介绍:：
图像超分辨率（SR）是一种低级的计算机视觉任务，旨在从低分辨率（LR）图像重建出高分辨率（HR）图像。由于多个HR图像可能导致相同的LR图像，因此它本身就是不统一的。