EDSR神经网络结构图

EDSR（Enhanced Deep Super-Resolution）神经网络是一种用于图像超分辨率（Super-Resolution, SR）的深度学习模型。它在SRResNet的基础上进行了改进，主要通过去除不必要的模块和增加模型的深度来提升性能。以下是EDSR神经网络结构图的详细介绍：

1. **输入层**：EDSR的输入是低分辨率图像（LR），通常经过双三次插值（bicubic interpolation）放大到目标尺寸。

2. **残差块（Residual Blocks）**：EDSR的核心部分由多个残差块组成。每个残差块包含两个卷积层，每个卷积层后面跟着一个批归一化层（Batch Normalization, BN）和一个ReLU激活函数。EDSR的一个重要改进是去除了批归一化层，因为它会引入不必要的计算和内存开销。

3. **残差缩放（Residual Scaling）**：为了稳定训练过程，EDSR在残差连接中添加了一个缩放因子（通常为0.1），以防止残差块的输出值过大。

4. **全局残差连接**：EDSR使用全局残差连接来传递输入图像的信息到网络的末端，这样可以减少网络需要学习的残差信息，从而加速训练过程。

5. **上采样层**：在残差块之后，EDSR使用一个上采样层（例如，亚像素卷积层，Sub-pixel Convolution）将特征图放大到目标分辨率。

6. **输出层**：最后，EDSR的输出是高分辨率图像（HR），通常使用一个卷积层来生成最终的输出。

以下是EDSR神经网络结构图的简化描述：

输入层 -> 多个残差块 -> 残差缩放 -> 全局残差连接 -> 上采样层 -> 输出层