EDSR与VDSR对比

EDSR和VDSR都是用于图像超分辨率的深度学习模型，但它们有一些不同之处。

EDSR（Enhanced Deep Residual Networks）是一种基于残差网络的超分辨率模型，通过增加深度和宽度来提高精度。它采用了一种类似于金字塔的结构，将图像分解成多个子图像进行处理，可以在不损失细节的情况下提高分辨率。

VDSR（Very Deep Super Resolution）是另一种超分辨率模型，它采用了非常深的卷积神经网络（CNN）来学习从低分辨率图像到高分辨率图像的映射。VDSR的主要思想是通过增加卷积层的数量来提高模型的性能，同时使用残差连接来避免梯度消失问题。

在实验中，EDSR和VDSR都表现出了很好的性能，但是EDSR的精度更高一些，而VDSR的速度更快一些。具体应用时需要根据需求进行选择。