10.16182/j.issn1004731x.joss.21-0986
基于损失提取反馈注意网络的图像超分辨率重建研究
自SRCNN(super-resolution convolutional neural network)将卷积神经网络用于超分辨率图像重建领域以来,人们通过大量的研究证明了使用深度学习的方法能够提高重建图像的效果.针对图像超分辨率网络中参数过多以及图像特征利用不充分导致可用的高频信息较少等问题,提出了一种基于损失提取策略的反馈注意网络(loss extraction feedback attention network,LEFAN),以循环的方式对参数进行复用,同时增加对低分辨率图像特征的重用,以捕获更多的高频信息,对重建过程中造成的损失进行提取并融合到最终的超分辨率图像中.实验结果表明:算法在实现多次利用低分辨率图像的基础上,对潜在的损失进行提取并融合到最终的超分辨率图像中,可以获得较好的图像重建效果.
反馈机制、注意力机制、损失提取、超分辨率图像重建
35
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;沪江基金
2023-02-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
308-317