基于轻量自动残差缩放网络的图像超分辨率重建

摘要：

近年来,由于深度卷积神经网络的出色性能,深度学习已成为图像超分辨率领域的研究热点,已经有许多具有很深结构的大型模型被提出.而在实际应用中,普通个人计算机或智能终端的硬件显然不适合大规模深度神经网络模型.提出了一种针对单幅图像超分辨率且具有自动残差缩放功能的轻量级网络(ARSN),与许多基于深度学习的方法相比,它的层和参数更少.此外,该网络中有特殊的残差块和跳跃连接用来进行残差缩放以及全局和局部残差学习.根据测试数据集结果,该网络在重建质量和运行速度上都达到了非常优异的性能.所提出的网络在性能、速度和硬件消耗方面均取得了良好的效果,具有较高的实用价值.

关键词：深度学习、超分辨率、残差缩放、跳跃连接、残差网络

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

资助基金：安徽省教育厅质量工程项目;教育部产学研协同育人项目;大学生创新创业训练项目;江淮中部粮食作物生产智能化作业与全程信息项目

在线出版日期：2020-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1446-1452