續接第一部分
?綜述：深度學習與圖像超分辨, 系統地闡述了深度學習在圖像超分辨（superresolution， SR）領域近年來的應用，包括監督、非監督和特定領域的SR。同時還給出了常用的資料集和評價名額。最後也為讀者留下了這一領域目前待解決的問題和将來可能的研究方向。（from 新加坡管理大學）
常用流程方法：
一些常見的網絡設計政策：
常用資料集：
?DeepFault，作為神經網絡的白盒測試工具，通過建立起神經元的熱力圖來識别可疑神經元，找出影響網絡表現的神經元。DeepFault利用了一種懷疑導向的算法來合成新的輸入，進而增加可疑神經元的激活。(from 博斯普魯斯大學 土耳其)
一個待識别的簡單網絡：
軟體工程中的缺陷定位方法：
- 重聚焦Local Fourier Slice Photography ,introduce a sheared local Fourier sliceequation that allows for refocusing directly from a compressed light field
- 光場重建LapEPI-Net: A Laplacian Pyramid EPI structure for Learning-basedDense Light Field Reconstruction
pic from pexels.com