典型文献
基于l1诱导轻量级深度网络的图像超分辨率重建
文献摘要：
现有的基于深度学习的超分辨率重建方法主要通过加深网络以提高网络的重建性能,但是加深网络会导致网络权值数量急剧增加,给网络训练和存储带来巨大负担.考虑到噪声的稀疏性、网络训练的成本及重建图像边缘的清晰度,文中融合模型驱动与数据驱动的思想,提出基于l1诱导轻量级深度网络的图像超分辨率重建方法.先利用分裂Bregman算法和软阈值算子,构建边缘正则的l1重建模型,并推演有效的迭代算法.再在迭代算法的指导下,设计相应的递归深度网络进行图像重建.因此,文中网络是在优化模型指导下设计的,推导出的递归结构由于其权值共享的特性,可减少网络权值的数量.实验表明,文中方法在网络权值数量较少时,仍能取得较优的图像重建性能.
文献关键词：
超分辨率重建;深度学习;轻量级网络;模型驱动;数据驱动
中图分类号：
作者姓名：
张大宝;赵建伟;周正华
作者机构：
中国计量大学理学院 杭州310018;中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室 杭州310018
文献出处：
引用格式：
[1]张大宝;赵建伟;周正华-.基于l1诱导轻量级深度网络的图像超分辨率重建)[J].模式识别与人工智能,2022(12):1101-1110
A类：
B类：
l1,深度网络,图像超分辨率重建,重建方法,网络训练,稀疏性,重建图像,图像边缘,清晰度,融合模型,模型驱动,Bregman,软阈值,正则,推演,迭代算法,图像重建,中网,下设,递归结构,权值共享,中方,少时,能取,轻量级网络
AB值：
0.293051
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。
