【论文笔记】[CVPR_2018_SR]Information Distillation Network

启示：

可以将feature map拆开作为dense net的连接，看看会不会有好结果。

一、特点：

参数少，时间短，模型小

二、结构

总体结构

核心结构是Enhancement Unit

Enhancement Unit

将feature map分成(1/s)和(1-1/s)个，然后一部分继续进入conv，一部分与前一个block的输出concat，直接与这一个block的输出相加，输入下一个block。（其中feature map dimension指的是维度，张数）

三、其他trick

-1 训练模型和finetune用的不是同一个loss函数

-2 用grouped convolution layer

-3 显示feature map的平均值

feature map的平均值

-4 显示学到的residual image以及它的数据分布

residual image

residual image指的是model学出来的image。

residual + bicubic image=最终的image