多维注意力机制与选择性特征融合的图像超分辨率重建OACSCD
针对图像超分辨率重建过程中提取低分辨率特征效果较差,大量高频信息丢失导致的边缘模糊和伪影问题,提出了融合多维注意力机制与选择性特征融合作为图像特征提取模块的图像超分辨率重建方法。网络由若干个基本块和残差操作构建模型的特征提取结构,其核心是一种提取图像特征的异构组卷积块,该模块的对称组卷积块以并行的方式进行卷积提取不同通道间的内部信息特征并进行选择性特征融合,互补卷积块通过全维度动态卷积从空域、输入输出维度和核维度捕捉遗漏的上下文信息,对称组卷积块…查看全部>>
温剑;邵剑飞;刘杰;邵建龙;冯宇航;叶榕
昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500云南警官学院云南警用无人系统创新研究院,云南昆明650223昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500昆明理工大学信息工程与自动化学院,云南昆明650500
计算机与自动化
超分辨率重建多维注意力机制特征融合残差网络
《光学精密工程》 2023 (17)
P.2584-2597,14
国家重点研发计划资助项目(No.2022YFC3320800)国家自然科学基金资助项目(No.61732005,No.61302042)云南省重大科技专项计划资助项目(No.202002AD080001)。
评论