10.11772/j.issn.1001-9081.2020020281
混合阶通道注意力网络的单图像超分辨率重建
目前用于图像超分辨率重建的通道注意力机制存在注意力预测破坏每个通道和其权重的直接对应关系以及仅仅只考虑一阶或二阶通道注意力而没有综合考虑优势互补的问题,因此提出一种混合阶通道注意力网络的单图像超分辨率重建算法.首先,该网络框架利用局部跨通道相互作用策略将之前一、二阶通道注意力模型采用的升降维改为核为k的一维卷积.这样不仅使得通道注意力预测更直接准确,而且得到的模型相比之前的通道注意力模型更简单;同时,采用改进一、二阶通道注意力模型以综合利用不同阶通道注意力的优势,提高网络判别能力.在基准数据集上的实验结果表明,和现有的超分辨率算法相比,所提算法重建图像的纹理细节和高频信息能得到更好的恢复,且在Set5和BSD100数据集上感知指数(PI)分别平均提高0.3和0.1.这表明此网络能更准确地预测通道注意力并综合利用了不同阶通道注意力,一定程度上提升了性能.
通道注意力机制、生成对抗网络、图像超分辨率重建、卷积神经网络、深度学习
40
TP391.41(计算技术、计算机技术)
国家新一代人工智能重大项目;国家自然科学基金资助项目;江苏省自然科学基金资助项目
2020-10-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
3048-3053