Gated Multiple Feedback Network for Image Super-Resolution（GMFN SISR BMVC2019）

该文章是在SRFBN（CVPR2019）上的改进，作者也是同一个人。但是为什么这篇文章只能发BMVC,这只是一个C类会议。

摘要：在前馈网络中，信息是不断向前传递，所以导致高层的信息无法被底层充分利用。

1、简介

高层的信息直接用于重建SR图像，而低层的网络感受野较小，不能够充分利用上下文信息。

同时，作者也指出了SRFBN的缺点，SRFBN只将最高层的信息传到低层，但是其他的高层信息则被忽略了。

本文采用GFMs单元来自动的选择增强有效的高级信息。

3、网络结构

 

网络中的GFM模块自动的选择和加强来自多个高级特特征图的信息

4、实验

训练集与SRFBN相同。不同的是其初始的学习率设置为0.0002，每200000次迭代就变为一半。

定量指标如上图所示。

模型的运算速度和参数如上图所示。