续接第一部分
?综述：深度学习与图像超分辨, 系统地阐述了深度学习在图像超分辨（superresolution， SR）领域近年来的应用，包括监督、非监督和特定领域的SR。同时还给出了常用的数据集和评价指标。最后也为读者留下了这一领域目前待解决的问题和将来可能的研究方向。（from 新加坡管理大学）
常用流程方法：
一些常见的网络设计策略：
常用数据集：
?DeepFault，作为神经网络的白盒测试工具，通过建立起神经元的热力图来识别可疑神经元，找出影响网络表现的神经元。DeepFault利用了一种怀疑导向的算法来合成新的输入，从而增加可疑神经元的激活。(from 博斯普鲁斯大学 土耳其)
一个待识别的简单网络：
软件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
- 光场重建LapEPI-Net: A Laplacian Pyramid EPI structure for Learning-basedDense Light Field Reconstruction
pic from pexels.com