avatar avatar 我的文献 基于残差通道注意力和多级特征融合的图像超分辨率重建 单位 哈尔滨工程大学信息与通信工程学院 期刊 激光与光电子学进展 时间 关键词 机器视觉; 超分辨率; 深度学习; 递归结构; 分组卷积; 残差通道注意力; 多级特征融合
摘要
针对模型VDSR(very deep super resolution)中存在的以下问题,忽略特征通道间的相互联系,未能充分利用各层特征,参数量过大,以及计算复杂度过高。本文提出一种基于残差通道注意力和多级特征融合的的图像超分辨率重建的网络结构,通过引入残差通道注意力,自适应的校正信道的特征响应,提高网络的表征能力;网络整体使用递归结构,在每个递归块内实现参数共享,减少参数数量;多级特征融合的方式充分提取图像特征,并使用分组卷积代替传统卷积进一步减少参数数量,降低计算复杂度。本算法在保证图像重建质量的同时降低了模型的参数量和复杂度,在图片放大四倍时,参数量和计算复杂度约为VDSR的0.33倍和0.02倍。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭