이미지 슈퍼리졸루션을 위한 캐스케이드 컨볼루션 신경망

초해상도 컨볼루션 신경망(SRCNN)의 발전에 따라 딥러닝 기술은 이미지 초해상도 분야에 널리 적용되고 있다. 기존의 연구들은 주로 SRCNN의 아키텍처 최적화에 초점을 맞추었으며, 이미지 초해상도에서 속도와 복원 품질 측면에서 우수한 성능을 달성해왔다. 그러나 이러한 대부분의 접근 방식은 훈련 과정에서 특정 스케일의 이미지만을 고려하는 반면, 서로 다른 스케일 간의 관계를 무시하고 있었다. 이러한 문제의식을 바탕으로 본 논문에서는 이미지 초해상도를 위한 계단식 컨볼루션 신경망(CSRCNN)을 제안한다. CSRCNN은 세 개의 계단식 Fast SRCNN으로 구성되며, 각 Fast SRCNN은 특정 스케일의 이미지를 처리할 수 있다. 서로 다른 스케일의 이미지를 동시에 훈련할 수 있으며, 학습된 네트워크는 다양한 스케일에 존재하는 정보를 효율적으로 활용할 수 있다. 광범위한 실험 결과를 통해 제안하는 네트워크가 이미지 초해상도에서 우수한 성능을 달성함을 확인할 수 있었다.