基于残差通道注意力和多级特征融合的图像超分辨率重建
针对模型VDSR(very deep super resolution)中存在的忽略特征通道间的相互联系,不能充分利用各层特征,以及参数量过大,计算复杂度过高等问题,本文提出了一种基于残差通道注意力和多级特征融合的图像超分辨率重建网络结构,通过引入残差通道注意力,自适应校正信道的特征响应,提高了网络的表征能力.网络整体使用递归结构,在每个递归块内实现参数共享,减少了参数数量;多级特征融合的方式可以充分提取图像特征;用分组卷积代替传统卷积,进一步减少了参数数量,并降低了计算复杂度.所提算法在保证图像重建质量的同时,减少了模型的参数量并降低了计算复杂度,在图片放大4倍时,参数量和计算复杂度分别约为VDSR的0.33和0.02.
机器视觉、超分辨率、深度学习、递归结构、分组卷积、残差通道注意力、多级特征融合
57
TP391(计算技术、计算机技术)
国家自然科学基金60875025
2020-05-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
254-262