一种轻量级的多尺度通道注意图像超分辨率重建网络OA北大核心CSTPCD
Image Super-Resolution Reconstruction Based on Lightweight Multi-Scale Channel Attention Network
近年来,基于深度卷积神经网络的图像超分辨率技术取得了突出进展,并主导了当前的超分辨率技术的研究.但是,性能的改进,往往以参数量的急剧增加为代价,这限制了超分辨率方法的实际应用.本文设计了一个轻量级单图像超分辨率深度卷积网络,主要贡献包括:提出了一个多尺度的特征融合模块,使用不同感受野的卷积核,提取多种尺度的特征;提出了一个通道搅乱注意力模块,促进特征通道之间的信息流动,并增强特征选择能力;提出了一个全局特征融合连接模块,提高浅层特征的利用率.实验证明,本文方法与当前代表性的方法MSRN(Multi-Scale Residual Network)相比,参数量减少了3/4,重建的高分辨率图像的主观和客观质量均显著更好.
周登文;李文斌;李金新;黄志勇
华北电力大学控制与计算机工程学院,北京102206华北电力大学控制与计算机工程学院,北京102206华北电力大学控制与计算机工程学院,北京102206华北电力大学控制与计算机工程学院,北京102206
信息技术与安全科学
超分辨率深度学习卷积神经网络注意力机制多尺度特征
《电子学报》 2022 (10)
2336-2346,11
评论