隨著SRCNN的發(fā)展，深度學習技術(shù)已被廣泛應用于圖像超分辨率任務。許多研究人員專注于優(yōu)化和改進SRCNN的結(jié)構(gòu)，實現(xiàn)了良好的處理速度和修復質(zhì)量。然而，這些方法在訓練過程中大多只考慮特定比例的圖像，而忽視了不同比例圖像之間的關(guān)系?；谶@種考慮，本文提出了一個用于圖像超分辨率的級聯(lián)卷積神經(jīng)網(wǎng)絡（cascade convolution neural network，CSRCNN），它包括三個級聯(lián)的快速SRCNN，每個快速SRCNN可以處理一個特定比例的圖像。因此，不同比例的圖像可以同時訓練，所學的網(wǎng)絡可以充分利用不同比例圖像中的信息。

圖2 CSRCNN網(wǎng)絡結(jié)構(gòu)。該網(wǎng)絡由三個級聯(lián)的FSRCNN組成，其中每個FSRCNN的放大系數(shù)為2。網(wǎng)絡的輸入大小為一個

*博客內(nèi)容為網(wǎng)友個人發(fā)布，僅代表博主個人觀點，如有侵權(quán)請聯(lián)系工作人員刪除。