源码：https://github.com/Paper99/SRFBN_CVPR19
（1）基于深度学习的方法的优势主要来自其两个关键因素：深度和跳跃链接
第一，保留更多的上下文信息。
第二，防止堆叠导致的梯度消失/爆炸。
（2）减少网络参数，使用反复的结构，例如：DRCN和DRRN。RNN结构可以以前馈的方式共享信息，但是，即使采用了跳过连接，前馈方式也使得前一层无法从后一层访问有用的信息。
（3）本文主要贡献有以下三点：
●采用反馈机制，通过反馈连接在自上而下的反馈流中提供了高层信息 。同时，这种具有反馈连接的递归结构提供了强大的早期重建能力，并且仅需要很少的参数。
●提出了一个反馈块（FB），它不仅可以有效地处理反馈信息流，而且还可以通过上，下采样层以及密集的跳过连接来丰富高层表示。
●提出一种基于课程学习的策略，使网络能够逐步学习复杂的降级模型，而仅采用单步预测就无法用相同的策略来解决这些方法。
（a）反馈通过一次隐藏状态下的迭代，反馈块（FB）接受输入
F
i
n
F_{in}
Fin和来自上一层迭代隐藏状态的
F
o
u
t
n
−
1
F^{n-1}_{out}
Foutn−1，然后将其隐藏状态的
F
o
u
t
n
F^{n}_{out}
Foutn传递到下一个迭代并输出。
（b）本文反馈方案的原理。
F
i
n
t
=
f
L
R
F
B
(
I
L
R
)
F^t_{in}=f_{LRFB}(I_{LR})
Fint=fLRFB(ILR)
f
L
R
F
B
f_{LRFB}
fLRFB表示LR的特征提取块，
F
i
n
t
F^t_{in}
Fint被用作FB块的输入，
F
i
n
1
F^1_{in}
Fin1被视为初始隐藏状态的输出
F
o
u
t
0
F^0_{out}
Fout0。
第t个迭代的FB块
第t次迭代的FB通过反馈连接和浅层特征
F
i
n
t
F^t_{in}
Fint接收前一层隐藏状态的迭代
F
o
u
t
n
−
1
F^{n-1}_{out}
Foutn−1，
F
o
u
t
n
F^{n}_{out}
Foutn表示FB块的输出，FB块的算术公式如下：
F
o
u
t
n
=
f
F
B
(
F
o
u
t
n
−
1
,
F
i
n
t
)
F^{n}_{out}=f_{FB}(F^{n-1}_{out},F^t_{in})
Foutn=fFB(Foutn−1,Fint)
f
F
B
f_{FB}
fFB表示FB块的操作，实际上是（b）图所示操作。
重建模块使用Deconv(k,m)将LR特征图
F
o
u
t
n
F^{n}_{out}
Foutn升频HR特征图，并使用Conv(3,
c
o
u
t
c_{out}
cout)去生成一个残差图像
I
R
e
s
t
I^{t}_{Res}
IRest，重建块的算术公式如下：
I
R
e
s
t
=
f
R
e
s
(
F
o
u
t
n
)
I^{t}_{Res}=f_{Res}(F^{n}_{out})
IRest=fRes(Foutn)
f
R
e
s
f_{Res}
fRes表示重建块的操作。
FB依次包含G个投影组，其中有密集的跳过连接。 每个可以将HR功能投影到LR功能的投影组，主要包括上采样操作和下采样操作。
为了利用每个投影组的有用信息并在下一次迭代中映射输入LR特征
F
i
n
t
+
1
F^{t+1}_{in}
Fint+1的大小，我们对投影组生成的LR特征进行特征融合（图3中的绿色箭头），以生成 FB的输出：
C
F
F
C_{FF}
CFF表示Conv(1,m)操作。
放置T个目标HR图像
(
I
H
R
1
,
I
H
R
2
,
.
.
.
,
I
H
R
T
)
(I^1_{HR},I^2_{HR},...,I^T_{HR})
(IHR1,IHR2,...,IHRT)以适合我们提出的网络中的多个输出。
(
I
H
R
1
,
I
H
R
2
,
.
.
.
,
I
H
R
T
)
(I^1_{HR},I^2_{HR},...,I^T_{HR})
(IHR1,IHR2,...,IHRT)对于单降解模型是相同的， 对于复杂的降级模型，
(
I
H
R
1
,
I
H
R
2
,
.
.
.
,
I
H
R
T
)
(I^1_{HR},I^2_{HR},...,I^T_{HR})
(IHR1,IHR2,...,IHRT)根据T迭代执行课程的任务难度排序。 网络中的损失函数可以表示为：
W
t
W_t
Wt是一个常数因子，它表明了第t次迭代的输出价值。
（1）Study of T and G
T表示迭代次数，G表示反馈块中的投影组数。最优(T=4, G=6)
（2）Feedback vs. feedforward
（3）Study of curriculum learning
（4）Comparison with the stateofthearts
