题目：通过深度递归残差网络实现图像的超分辨率
摘要：
近年来，基于卷积神经网络的模型在单张图像的超分辨率上已经取得了巨大的成功。由于深度网络的强大，这些CNN模型学习了从低分辨率输入图像到高分辨率目标图像的有效非线性映射，但代价是需要大量的参数。本文提出了一种深度CNN模型(多达52层)，称为深度递归残差网络(DRRN)，致力于建立深度而简洁的网络。具体地说，在全局范围和局部范围内都采用残差学习的方法，以减少训练深度网络训练的难度;采用递归学习方法对模型参数进行控制，同时增加模型的深度。广泛的基准评估表明，DRRN在使用更少的参数的情况下，显著优于SISR中的最新技术。