结构化混合注意力网络的图像超分辨率重建
针对现有图像超分辨模型存在特征提取能力弱、模型参数量较复杂等问题,提出了一种结构化混合注意力网络的图像超分辨率重建模型,该模型在提高图像超分辨率重建效果的同时降低了模型的参数量.首先,对编码器进行结构化处理,通过通道数量的不同来提取更多的图像特征.其次,对编码器的输出特性进行注意力网络混合重组,从而加强图像的特征特性.最后,采用残差方式将输入的浅层图像特征直接与强化特征相混合,降低网络的参数量.实验结果表明,在公共数据集及不同放大倍率的前提下,文中构建模型的PSNR值和SSIM值基本是最优的,且网络结构的参数量较低,较好地平衡了图像超分辨率重建过程中性能和参数复杂度间的关系.
图像处理、超分辨率、结构化残差、混合注意力、低模型参数
50
TP391(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
352-356