Feedback Network for Image Super-Resolution（SRFBN CVPR2019）

一、简介

采用反馈的思想，将输出的粗略的SR反馈到低分辨率图像上，然后一起作为输入。引入反馈的思想确实比较有新意。

The proposed SRFBN is essentially an RNN with a feedback block (FB), 本质上是具有反馈模块的RNN

The principle of our feedback scheme is that the information of a coarse SR image can facilitate an LR image to reconstruct a better SR image  这样做的原理是粗略的SR图像可以促进促进LR图像 去重构更好的SR图像

 

二、相关工作

the low-level features can only receive the information from previous layers, lacking enough contextual information due to the limitation of small receptive fields. These low-level features are reused in the following layers, and thus further restrict the reconstruction ability of the network.
动机：低级层只能从前面的层中获取信息，而且由于前面较低的感受野，所以也缺少足够的纹理信息。而且，这些低级的信息在后面的层中被再次利用，从而限制了网络的重建能力

三、网络结构

在每一代都进行损失的计算、使用循环的结构、在每一代都提供LR的输入

每一次迭代都会产生相应的LR残差图像

四、实验

参数量：

数值指标：