Technological innovation
技术创新示意
1、多尺度深度残差网络技术
深度残差网络能较好地表示高维非线性特征，同时还能具备较好的收敛性。
引入多尺度信息，将残差网络与多尺度相结合，因而能更充分地表示和利用图像信息，从而大大提高了图像超分辨率的效果。
2、训练样本优选技术
训练样本对深度学习网络结果有重大影响。十多年通途对视频理解全融入样本库的建设中。图像超分辨率重建技术需要解决的是以下几类图像的放大：
弱细节，比如地面，沙滩，头发，草丛，树皮，花蕊等；
不同锐利度和不同角度边缘；
非常高角度和非常低角度边缘；
容易混叠区域。
3、深度学习网络优化技术
在网络优化前，处理一帧4K图像需要240秒，（4个GeForce GTX1080ti 显卡(GPU),属于NVIDIA品牌的GeForce系列的顶级处理器），通过以下优化可达到40倍的提速。
（1）超分辨率只在亮度分量上进行
（2）并行处理
（3）网络层数优化
（4）网络剪枝
（5）使用对称性滤波器
（6）Patch优化
（7）滤波器和数据定点化
