論文及代碼： http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.htm
參考了博客：https://blog.csdn.net/Autism_/article/details/79401798
該博客給出了tf版本的代碼：https://github.com/wwq-online/SRCNN-REPRODUCTION
圖像超分辨率重建：指通過低分辨率圖像或圖像序列恢復出高分辨率圖像。高分辨率圖像意味着圖像具有更多的細節信息、更細膩的畫質,，這些細節在高清電視、醫學成像、遙感衛星成像等領域有着重要的應用價值。
這篇論文是超分辨率重建的開山之作，如今再看其實整個框架設計並不是十分的複雜，框架如下圖，由三層卷積層網絡組成
之前一直在做圖像的質量評價，最近開始做圖像或者視頻的超分辨率重建。剛開始看這個網絡設計的時候，有點犯強迫症，就是最後一個卷積層爲什麼不帶上一個relu？但是我的理解是這樣的，因爲最後輸出的結果期望的範圍在0-1，反歸一化後到0-255，大於255的會被限制爲255，小於0的會被歸爲0，因而這個relu並沒有起到作用，故在網絡設計中將這個環節捨棄。
這個工作另外一個令我十分好奇的地方是爲什麼不採用在訓練過程中直接padding的方法（在測試環節中進行padding），目前很多方法直接在訓練過程中直接padding，雖然現在很多的方法採用的塊更大，padding對於邊界的影響比較小。我的理解爲如果按照作者這樣，訓練時不用測試時用，可以很好地緩解padding帶來的邊界噪聲，因爲在測試時只有最最最外層的邊界處會受到影響。而目前很多方法採用了訓練過程中直接padding的方式也是合理的，因爲現在的網絡層在加深，不適用padding不合適。