今天是介紹SRCNN的第二天，我們來聊聊它的工作原理！
SRCNN的基本原理是通過深度卷積網絡學習從低分辨率圖像到高分辨率圖像的映射。
這個是他的具體工作流程：
1.低分辨率圖像的輸入：
輸入的圖像首先進行上采樣，尺寸被增大到目標的高分辨率。
2.特徵學習：
通過第一層卷積網絡，SRCNN會提取低分辨率圖像的特徵，這些特徵可以表達圖像的邊緣、紋理等重要細節。
3.非線性映射：
經過第二層卷積，提取到的特徵會被映射到更高維度的特徵空間中，讓網絡可以學習圖像的更深層次結構信息。
4.重建圖像：最後一層卷積將學習到的特徵映射回像素空間，生成最終的高分辨率圖像。
SRCNN通過最小化重建圖像與真實高分辨率圖像之間的差異（通常是使用均方誤差MSE作為損失函數）來訓練模型。
這個過程需要大量的低分辨率和高分辨率對應的圖像數據來進行模型訓練。
明天再來說說他的優點與限制！
iThome鐵人賽
看影片追技術