级联残差优化Transformer网络的图像超分辨率重建OA北大核心CSTPCD
为了扩展图像超分辨率算法中卷积神经网络在多个尺度特征上的自适应学习能力,提升网络性能,本文提出一种基于级联残差方法的Transformer网络优化结构进行图像超分辨率重建。首先,该网络采用级联残差结构,增强了网络对低阶和中阶特征的迭代复用和信息共享能力;其次,将通道注意力机制引入Transformer结构中,增强网络的特征表达和自适应学习通道权重的能力;最后,优化Transformer网络结构中的感知模块为级联感知模块,扩展网络深度,增强模型的特…查看全部>>
林坚普;吴镇城;王崑赋;林志贤;郭太良;林珊玲
福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术创新实验室,福建福州350116福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术创新实验室,福建福州350116福州大学先进制造学院,福建泉州362252福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术创新实验室,福建福州350116 福州大学物理与信息工程学院,福建福州350116中国福建光电信息科学与技术创新实验室,福建福州350116 福州大学物理与信息工程学院,福建福州350116福州大学先进制造学院,福建泉州362252 中国福建光电信息科学与技术创新实验室,福建福州350116
计算机与自动化
卷积神经网络图像超分辨率重建残差网络Transformer注意力机制
《光学精密工程》 2024 (12)
P.1902-1914,13
国家重点研发计划资助(No.2023YFB3609400)国家自然科学基金青年科学基金(No.62101132)。
评论