Learning a Deep Convolutional Network for Image Super-Resolution—Chao Dong_ECCV2014

这篇文章是第一次将神经网络应用到超分之中，一共三层。框架图如下：

第一层，size 为  c * f1 * f1 * n1.  

第二层，size 为 n1 * 1 * 1 * n2.

第三层，size 为 n2 * f3 * f3 * c

c为image channel数量。 W 是filter , B 是bias.

损失函数为：

loss function is minimized using stochastic gradient descent 

with the standard backpropagation

初始化方法：

The filter weights of each layer are initialized by drawing randomly from a Gaussian distribution 

with zero mean and standard deviation 0.001 (and 0 for biases)