LRGAN:一种运算轻量化图像修复网络
近来的图像修复工作大多聚焦于如何提升修复质量,但并没有考虑在计算资源不足的平台如何运行.本文提出了一种结合组卷积与注意力机制的模块(LABGC)用于替换传统卷积,在此模块中利用深度可分离卷积实现了多层次图像修复工作,同时针对传统卷积处理过程中通道间信息流动性的问题提出了轮循通道注意力分配机制(C2AM),并将其应用于构建一个轻量级的图像修复网络(LRGAN).在整体网络的设计阶段使用了并行判别器结构保证图像生成的全局与局部的一致性.实验结果表明,在保证修复质量的情况下,本文提出的图像修复网络的推理时间与资源占用均远远小于同类方法.
人工神经网络、图像修复、轻量化网络、图像合成、深度学习、计算机视觉
52
TP391;U462.2;TH122
青海省重点研发与成果转化项目;国家重点研发计划
2022-06-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
447-457