LP-KPN 网络结构
网络解析
1. 网络结构中绿色星星标志 公式。其实就是用预测出来的核在原图片经过Laplacian pyramid decomposes 后的图片上进行卷积运算。所以应该使用padding
2.文章中，该模型是在YCbCr空间上的Y通道实验的
3.最后的Laplacian pyramid restore 过程，应该是使用 Laplacian pyramid unsample （作者没明写，但不是sub-pixel shuffle 网络结构中并未体现）
4.作者提到由于LP的网络结构，使得学习的k*k核等效于4k*4k的核，这减少了参数量
实验参数
1.使用adam训练
2.lr = 1e-4，训练1000K次迭代
3.对于核k的大小，作者在实验中讨论，不一定大的核获取更棒的性能。
实验
实验1：训练数据集的对比，为了展现Real-SR数据集能提高超分辨率的性能，作者使用DIV2K用过BD（bicubic degradation）和MD（multiple degradation）去生成LR，然后用比较流行的模型去训练
实验2：证明LP-KPN模型性能：通过对比过去的模型，LP-KPN不仅参数量少而且性能也最好，这里也提出核大小为5比KPN核为19更棒，这是由于LP-KPN的结构
