典型文献
基于改进残差特征蒸馏的轻量级超分辨率网络
文献摘要：
基于深度学习的图像超分辨率算法通常采用递归的方式或参数共享的策略来减少网络参数,这将增加网络的深度,使得运行网络花费大量的时间,从而很难将模型部署到现实生活中.为了解决上述问题,本文设计一种轻量级超分辨率网络,对中间特征的关联性及重要性进行学习,且在重建部分结合高分辨率图像的特征信息.首先,引入层间注意力模块,通过考虑层与层之间的相关性,自适应地分配重要层次特征的权重.其次,使用增强重建模块提取高分辨率图像中更精细的特征信息,以此得到更加清晰的重建图片.通过大量的对比实验表明,本文设计的网络与其他轻量级模型相比,有更小的网络参数量,并且在重建精度和视觉效果上都有一定的提升.
文献关键词：
图像超分辨率;层间注意力;中间特征;增强重建块;轻量级
中图分类号：
作者姓名：
吴丽君;蔡周威;陈志聪
作者机构：
福州大学物理与信息工程学院,福建 福州 350108
文献出处：
引用格式：
[1]吴丽君;蔡周威;陈志聪-.基于改进残差特征蒸馏的轻量级超分辨率网络)[J].计算机与现代化,2022(11):89-94
A类：
层间注意力,增强重建块
B类：
特征蒸馏,超分辨率网络,图像超分辨率,超分辨率算法,递归,参数共享,网络参数,运行网络,花费,模型部署,现实生活,中间特征,建部,高分辨率图像,特征信息,注意力模块,配重,层次特征,建图,轻量级模型,参数量,重建精度,视觉效果
AB值：
0.312744
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。
