快速、准确且轻量级的超分辨率重建方法——基于级联残差网络

近年来，深度学习方法在单图像超分辨率任务中取得了成功应用。尽管这些方法表现出色，但由于计算量庞大，难以直接应用于实际场景。本文针对这一问题，提出了一种准确且轻量级的深度网络用于图像超分辨率。具体而言，我们在残差网络的基础上设计了一种级联机制。此外，我们还提出了所设计级联残差网络（Cascading Residual Network）的多种变体模型，以进一步提高效率。大量实验表明，即使参数和运算量大幅减少，我们的模型仍能实现与现有最先进方法相当的性能。