SRDenseNet发表于2017年

论文：Super-Resolution Using Dense Skip Connections

参考博客：超分之SRDenseNet

代码位置：F:\Github下载\SRDenseNet-pytorch-master

VDSR是2016年提出的模型

论文地址：Accurate Image Super-Resolution Using Very Deep Convolutional Networks

代码位置：F:\Github下载\pytorch-vdsr-recurrence-main

EDSR是是SRResNet的增强版本,2017年提出

SRGNN是2017年提出的模型，首次使用GAN在超分辨领域。

参考文献：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

参考博客：基于pytorch的SRGAN实现(全网最细!!!)

FSRCNN是2016年提出的超分辨率模型，使用后端上采样（转置卷积的方法），在一定程度上解决了SRCNN的问题。

论文地址：Accelerating the Super-Resolution Convolutional Neural Network

参考博客：超分辨率FSRCNN理解(附pytorch代码)_srcnn-pytorch代码解读-CSDN博客

模型位置：F:\Github下载\FSRCNN-pytorch-master

第一个超分辨率模型-SRCNN （SISR），2014年提出

论文地址：Image Super-Resolution Using Deep Convolutional Networks

参考网址：

【超分辨率】【深度学习】SRCNN pytorch代码（附详细注释和数据集）_srcnn代码-CSDN博客

SRCNN超分辨率Pytorch实现，代码逐行讲解，附源码

模型位置：F:\Github下载\SRCNN_Pytorch_1.0-master

参考文献：深度学习的图像超分辨率重建技术综述

本模型位于：E:\python文件\deep-learning-for-image-processing-master\pytorch_classification\Test5_resnet

本模型位于：E:\python文件\deep-learning-for-image-processing-master\pytorch_classification\Test4_googlenet

本模型存放于目录：

E:\python文件\deep-learning-for-image-processing-master\pytorch_classification\Test3_vggnet

本模型存放于目录：

E:\python文件\deep-learning-for-image-processing-master\tensorflow_classification\Test2_alexnet