論文鏈接：https://arxiv.org/abs/1901.07261
參考文章：http://www.heijing.co/almosthuman2014/2019022019351186049
PS:其實我自己也有很多地方沒有看懂，但是因爲寫了這個就想着發出來保存一下，不至於丟失。僅供參考。
摘要：
深度卷積神經網絡一直在這方面有所建樹，一系列的研究都致力於提高峯值信噪比（PSNR）
整個意思就是到達噪音比率的頂點信號，psnr一般是用於最大值信號和背景噪音之間的一個工程項目。通常在經過影像壓縮之後，輸出的影像都會在某種程度與原始影像不同。爲了衡量經過處理後的影像品質，我們通常會參考PSNR值來衡量某個處理程序能否令人滿意。它是原圖像與被處理圖像之間的均方誤差相對於(2^n-1)^2的對數值(信號最大值的平方，n是每個採樣值的比特數)，它的單位是dB。
其數學公式如下圖所示：
其中，MSE是原圖像與處理圖像之間均方誤差。
PSNR值越大，就代表失真越少。
一直依靠加神神經網絡的方法來改進會受到資源的限制，平衡好資源容量和模型簡化很重要。
原有的研究都是人爲地去實現兩者的最大平衡，而這篇論文中是自動地實現這樣的目標，通過神經架構搜索。
用多目標方法解決高分辨率圖片的問題
提出了彈性搜索：微觀和宏觀，基於混合控制器，這個混合控制器又是受益於強化學習和進化計算
思維導圖：
