總體思路
下采樣會損失細(xì)節(jié)信息，但其在網(wǎng)絡(luò)中是必要的，因?yàn)榭梢詼p少網(wǎng)絡(luò)參數(shù)，增加感受野的大小，捕捉到更加高階的語義信息。
生成pooling和上采樣的unpooling的索引用于摳圖的細(xì)節(jié)邊緣恢復(fù)。
模型主要基于MobileNet V2, 輕量化。
參考
超分辨領(lǐng)域的Efficient Sub-pixel Convolution（periodic Shuffling）
Indexed Pooling(IP)
- max pooling and average pooling are both special cases of IP.
- 生成的index map和feature map進(jìn)行逐點(diǎn)相乘就可以得到pooling的結(jié)果
Indexed Upsampling(IU)
反卷積所用的kernel對每塊區(qū)域都是一樣的，而IU進(jìn)行上采樣時(shí)對每塊區(qū)域使用不同的kernel(使用差異權(quán)重產(chǎn)生不同的index)。這點(diǎn)可以理解為IU其實(shí)是對feature map里數(shù)值的響應(yīng)，feature的數(shù)值和原圖的邊緣細(xì)節(jié)高度相關(guān)，因此IU所產(chǎn)生的索引能更精確對應(yīng)到相應(yīng)位置上。
待更新
