1、SRCNN-0.39s
SRCNN处理速度。
论文：Learning a Deep Convolutional Network forImage Super-Resolution 中，4.2节。
我们将我们的SRCNN与最先进的SR方法：Yang等人的SC(稀疏编码)方法进行了比较.[26]，基于K-SVD的方法[28]，NE lle(邻域嵌入局部线性嵌入)[4]， NENNLS(邻嵌入非负最小二乘)[2]和ANR(锚定邻域回归)方法[20]。
所有的基线方法都是从相应的作者的MATLAB实现中得到的，而我们的方法是用C语言实现的。
机器(Intel CPU、3.10 GHz和16 GB内存)
我们的方法在set 14中平均每幅图像需要0.39秒，而其他方法则要慢几倍甚至几个数量级。注意，速度差距并不主要是由不同的MATLAB/C实现造成的；相反，其他方法需要解决复杂的使用优化问题(例如，稀疏编码或嵌入)， 而我们的方法是完全前馈的。我们还注意到，我们的方法的处理时间与测试图像分辨率高度线性，因为所有图像都经过相同的卷积数。
训练(8×10^8反向传播)大约需要三天，在GTX 770 GPU上。
Set5测试效果：
Set14测试效果：
2、ESPCN
