基于拆分注意力网络的单图像超分辨率重建OA北大核心CSTPCD
Single image super-resolution reconstruction based on split-attention networks
针对现有生成对抗网络的单图像超分辨率重建在大尺度因子下存在训练不稳定、特征提取不足和重建结果纹理细节严重缺失的问题,提出一种拆分注意力网络的单图超分辨率重建方法.首先,以拆分注意力残差模块作为基本残差块构造生成器,提高生成器特征提取的能力.其次,在损失函数中引入鲁棒性更好的Charbonnier损失函数和Focal Frequency Loss损失函数代替均方差损失函数,同时加入正则化损失平滑训练结果,防止图像过于像素化.最后,在生成器和判别器中…查看全部>>
A single image super-resolution reconstruction method for splitting attention networks is proposed to address the problems of lack of texture details,insufficient feature extraction,and unstable training in the existing generation of adversarial networks under large-scale factors.Firstly,the generator is constructed using the split attention residual module as the basic residual block,which improves the generator's feature extraction ability.Secondly,Charbon…查看全部>>
彭晏飞;刘蓝兮;王刚;孟欣;李泳欣
辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105渤海船舶职业学院,辽宁 葫芦岛 125105辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105
计算机与自动化
超分辨率生成对抗网络谱归一化拆分注意力网络
super resolutiongenerative adversarial networkspectral normalizationsplit-attention networks
《液晶与显示》 2024 (7)
950-960,11
国家自然科学基金(No.61772249)辽宁省高等学校基本科研项目(No.LJKZ0358)Supported by National Natural Science Foundation of China(No.61772249)Basic Research Project of Colleges and Universities in Liaoning Province(No.LJKZ0358)
评论