典型文献
基于轻量化渐进式残差网络的图像快速去模糊
文献摘要：
基于深度学习的去模糊方法已经取得了较大进展,但是随着网络层数加深,去模糊网络需要更多的计算资源和内存消耗,难以用于实际场景.针对目前的去模糊网络参数量大、运算时间长等问题,该文设计了一种轻量快速的渐进式残差去模糊网络.该网络使用浅层残差网络作为基准模型,可充分利用图像的局部特征信息,加强反向传播时的信息流通.同时,通过多阶段递归调用残差网络并进行参数共享,可大大简化网络模型,减少网络参数.为了进一步提高去模糊网络的特征重建能力,该文引入特征重标定模块进行特征融合,对输入图像与各个残差网络的输出特征图进行通道加权,并对特征图的空间信息进行自适应选择,实现更好的特征重建.实验结果表明,所提算法网络模型参数量小、运行速度快,大幅度领先于现有算法,且对各种空域可变模糊去除均可实现理想复原效果.
文献关键词：
图像快速去模糊;轻量化残差网络;渐进式;特征重标定
中图分类号：
作者姓名：
杨爱萍;李磊磊;张兵;何宇清
作者机构：
天津大学电气自动化与信息工程学院 天津 300072
文献出处：
引用格式：
[1]杨爱萍;李磊磊;张兵;何宇清-.基于轻量化渐进式残差网络的图像快速去模糊)[J].电子与信息学报,2022(05):1674-1682
A类：
图像快速去模糊
B类：
渐进式,网络层,层数,计算资源,网络参数,运算时间,网络使用,局部特征,特征信息,反向传播,信息流,多阶段,递归,调用,参数共享,大大简化,特征重建,特征重标定,定模,特征融合,特征图,空间信息,自适应选择,法网,模型参数量,运行速度,领先于,空域,实现理想,复原效果,轻量化残差网络
AB值：
0.346926
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。
