基于卷积神经网络的轻量级图像超分辨率

摘要：

最近几年,深层卷积神经网络在解决单图像超分辨率问题上有着不错的表现.为了改善卷积神经网络的层数越深带来的计算量越大和实时重建速度越慢的缺点,结合现有的卷积网络模型,本文提出一种轻量级的网络结构.在神经网络层中减少网络层数,利用通道分离构建出局部特征的多尺度增强结构,进一步地结合残差网络进行模型构建.实验结果表明,与LapSRN方法、VDSR方法、传统的插值法等相比,该方法实时重建速度较快,且在峰值信噪比和结构相似性上不弱于其他方法.

关键词：卷积神经网络、超分辨率、轻量级网络、通道分离、残差网络

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：23-27