摘要

近期关于超分辨率的研究随着深度卷积神经网络（DCNN）的发展而取得了进展。特别是，残差学习技术表现出更好的性能。在本文中，我们开发了一种增强型深度超分辨率网络（Enhanced Deep Super-Resolution Network, EDSR），其性能超过了当前最先进的超分辨率方法。我们的模型之所以能显著提升性能，是因为通过去除传统残差网络中的不必要的模块进行了优化。此外，我们在扩大模型规模的同时稳定了训练过程，进一步提升了性能。我们还提出了一种新的多尺度深度超分辨率系统（Multi-Scale Deep Super-Resolution System, MDSR）及其训练方法，该方法能够在单个模型中重建不同放大倍数的高分辨率图像。所提出的方法在基准数据集上的表现优于现有最先进的方法，并且通过赢得NTIRE2017超分辨率挑战赛证明了其卓越性。