典型文献
一种轻量级的多尺度通道注意图像超分辨率重建网络
文献摘要：
近年来,基于深度卷积神经网络的图像超分辨率技术取得了突出进展,并主导了当前的超分辨率技术的研究.但是,性能的改进,往往以参数量的急剧增加为代价,这限制了超分辨率方法的实际应用.本文设计了一个轻量级单图像超分辨率深度卷积网络,主要贡献包括:提出了一个多尺度的特征融合模块,使用不同感受野的卷积核,提取多种尺度的特征;提出了一个通道搅乱注意力模块,促进特征通道之间的信息流动,并增强特征选择能力;提出了一个全局特征融合连接模块,提高浅层特征的利用率.实验证明,本文方法与当前代表性的方法MSRN(Multi-Scale Residual Network)相比,参数量减少了3/4,重建的高分辨率图像的主观和客观质量均显著更好.
文献关键词：
超分辨率;深度学习;卷积神经网络;注意力机制;多尺度特征
中图分类号：
作者姓名：
周登文;李文斌;李金新;黄志勇
作者机构：
华北电力大学控制与计算机工程学院,北京102206
文献出处：
引用格式：
[1]周登文;李文斌;李金新;黄志勇-.一种轻量级的多尺度通道注意图像超分辨率重建网络)[J].电子学报,2022(10):2336-2346
A类：
MSRN
B类：
轻量级,通道注意,注意图,图像超分辨率重建,重建网络,深度卷积神经网络,出进,参数量,加为,单图像超分辨率,深度卷积网络,一个多,特征融合模块,感受野,卷积核,一个通,搅乱,注意力模块,信息流动,特征选择,全局特征融合,连接模块,前代,Multi,Scale,Residual,Network,高分辨率图像,注意力机制,多尺度特征
AB值：
0.330002
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
