该代码使用三层卷积神经网络，进行图像的超分辨率重建，效果比双三次插值好很多。

深度卷积网络在单幅图像超分辨问题上取得了非常好的效果，然而，由于超分辨问 题的病态性，自低分辨率的图像复原得到高分辨率图像的算法仍然有很大的改进空间。为了进一 步提高单幅图像超分辨率重建的精度，主要做了以下两个方面的工作：首先将增强预测的方法和 SRCNN 网络结合，在 Set5 数据集上的平均峰值信噪比较原始的 SRCNN 方法提升了大约 0.3dB；其 次，将 FSRCNN 网络第一个 5*5的卷积层改为两个 3*3的卷积层，提高了网络的非线性，在 Set5数据 集上相对于 FSRCNN 模

近年来，深度卷积网络在单幅图像超分辨问题上取得了非常好的效果，然而，由于超分辨问题的病态性，自低分辨率的图像复原得到高分辨率图像的算法仍然有很大的改进空间。为了进一步提高单幅图像超分辨率重建的精度，主要做了以下两个方面的工作：首先将增强预测的方法和SRCNN网络结合，在Set5数据集上的平均峰值信噪比较原始的SRCNN方法提升了大约0.3dB；其次，将FSRCNN网络第一个5*5的卷积层改为两个3*3的卷积层，提高了网络的非线性，在Set5数据集上相对于FSRCNN模型平均峰值信噪比提升了大约0