【CVPR2019】超分辨率文章，SRFBN: Feedback Network for Image Super-Resoluition

论文地址
代码
CVPR的单图像超分辨率文章，主要是用回传机制来提高超分辨率的效果，且不引入过多的参数。
主要是设计了一个feedback模块，多次回传，如下图所示：

上一次feedback的输出和整个网络的input一起重新输入（代码里是concat一起）到FB模块，不断地回传，达到一定次数后经过tail输入SR图像。
更加形式化地图述：

这样回传的好处就在于，不会增加额外的参数，并且多次回传相当于加深了网络，不断地refine生成的SR图像。虽然像DRRN和DRCN也是采用了recurrent的结构，但是这些网络没办法做到前面层从后面层中得到有用的信息，所以说recurrent结构和feedback结构还是有一定的差别的。
其中，本文还讲到的基于课程学习的训练策略，就是将训练集的图片按难易程度排序，再进行训练。

Feedback Network for Image SR

在一个回传系统中，有两个requirements：迭代和重路由。
在SRFBN中，有三个不可缺少的部分：

1. 每次的迭代都会计算loss，迫使网络每次迭代都重建图像。
2. 使用recurrent结构，从而达到迭代的目的
3. 在每次迭代中都提供LR图像的输入（和上一轮的输出做一个concat，提供低层信息）

网络结构如上图所示，SRFBN可以迭代多次，展开后如右图所示
可以看到，LR先经过两个3x3卷积，这两个卷积是特征提取模块，一个是conv(3,4m)，一个是conv(3, m)，3是卷积核大小，m是base卷积核数量。
FB的形式化表示是

以上一次的输出和输入的LR图像作为本次迭代的输入。
下面是pytorch代码中的上述操作

x = torch.cat((x, self.last_hidden), dim=1)
x = self.compress_in(x)        #这步是降通道数为base通道数

最后，SR的图像由最后一次迭代的输出+up（LR）生成

Feedback block

现在我们具体来看FB模块是怎么样的

其实思想很简单，就是前面的conv的输出是一定会加到后面的conv的输入中，前面Deconv的输出也是加到后面Deconv的输入中，有点类似densenet的做法，防止梯度消失。
我们来看一下pytorch代码中FB模块的定义

for idx in range(self.num_groups):
                   self.upBlocks.append(DeconvBlock(num_features, num_features,
                                                    kernel_size=kernel_size, stride=stride, padding=padding,
                                                    act_type=act_type, norm_type=norm_type))
                   self.downBlocks.append(ConvBlock(num_features, num_features,
                                                    kernel_size=kernel_size, stride=stride, padding=padding,
                                                    act_type=act_type, norm_type=norm_type, valid_padding=False))
                   if idx > 0:
                       self.uptranBlocks.append(ConvBlock(num_features*(idx+1), num_features,
                                                          kernel_size=1, stride=1,
                                                          act_type=act_type, norm_type=norm_type))
                       self.downtranBlocks.append(ConvBlock(num_features*(idx+1), num_features,
                                                            kernel_size=1, stride=1,
                                                            act_type=act_type, norm_type=norm_type))

可以看到，实际上就是将前面的输出concat起来作为后面的输入
接下来看forward里面的pytorch的代码：

for idx in range(self.num_groups):
                   LD_L = torch.cat(tuple(lr_features), 1)    # when idx == 0, lr_features == [x]
                   if idx > 0:
                       LD_L = self.uptranBlocks[idx-1](LD_L)
                   LD_H = self.upBlocks[idx](LD_L)
      
                   hr_features.append(LD_H)
      
                   LD_H = torch.cat(tuple(hr_features), 1)
                   if idx > 0:
                       LD_H = self.downtranBlocks[idx-1](LD_H)
                   LD_L = self.downBlocks[idx](LD_H)

                   lr_features.append(LD_L)

Curriculum learning strategy

课程学习，就是将训练集的图像按照困难程度排序，loss函数还是l1loss

$W^t$是一个常量，用来衡量第T轮迭代对输出值的影响。（实际上论文里每一轮都置为1了……）

实验

用PRelu作为激活函数，训练集是Div2K和Flickr2K，测试仅在Y通道（基本上所有工作都是这样的）。
其中，patch size每一个scale factor都是不一样的

performance and parameters

compard with SOFT

这里没用放RCAN和RDN的数据，实际上SRFBN没达到SOFT，现在最好的还是RCAN

最后，放几张效果图