CVPR 2018 Workshop NTIRE2018图像超分辨率的优胜方案开源了！ 该算法在NTIRE2018所有三个realistic赛道中全部获得第一名！ 作者昨天在arXiv上传技术报告公开了技术方案并开源了PyTorch代码。 论文名称《Wide Activation for Efficient and Accurate Image Super-Resolution》， 作者信息：
其建构于超分辨EDSR算法，亦即NTIRE2017年的冠军模型，最主要的改进是在残差模块中ReLU激活函数前增大特征图。 请看下面图示，
与原始EDSR算法相比，该优胜方案WDSR算法增大了ReLU前的卷积特征图，减小了identity mapping pathway的宽度（图中Add所在框变小）。
通过上述操作，在降低参数量的同时，提高了超分辨率的精度。 作者提出的两种WDSR的形式WDSR-A与WDSR-B:
WDSR-A特征图宽度（2X到4X）,WDSR-B使用线性低秩卷积栈（linear low-rank convolution stack）和更宽的特征图（6X到9X），可以使得WDSR-B在保持更高精度的同时不增加计算量。
网络架构：
实验结果 在DIV2K数据库上与EDSR的比较：
NTIRE2018公布的比赛结果：
图中UIUC-IFP团队即优胜团队，PDN在Track 4中排名第一，但组织者称“PDN ranked 1st on Track 4, however, without submitted results for the other tracks we cannot tell if their solution/architecture is better than that of UIUC-IFP.”
代码主页：
https://github.com/JiahuiYu/wdsr_ntire2018 论文： https://arxiv.org/abs/1808.08718v1
