典型文献
高效二阶注意力对偶回归网络的超分辨率重建
文献摘要：
针对中间层通道特征相关性利用率低、低分辨率图像和高分辨率图像函数映射空间非线性的问题,提出了一种基于高效二阶注意力机制的对偶回归网络(ESADRNet).该网络将重建任务分为两个回归网络:原始回归网络和对偶回归网络.原始回归网络采用FReLU为激活函数的下采样层对图像进行更高效的空间上下文特征提取;基于多级跳跃连接残差块(MLSCR)和高效二阶通道注意力模块(ESOCA)构成的多级跳跃连接残差注意力模块(MLSCRAG)、共享源跳跃连接(SSC)和亚像素卷积构建渐进式上采样网络,使网络专注于更具辨别性的特征表示,具有更强大的特征表达和特征相关学习能力;利用对偶回归网络约束映射空间,寻找最优重建函数.在Set5、Set14、BSD100和Urban109数据集上经过对比实验证明,该网络在客观定量指标和主观视觉方面均优于其他对比方法.
文献关键词：
超分辨率重建;注意力机制;对偶回归网络;卷积神经网络;深度学习
中图分类号：
作者姓名：
廉炜雯;吴斌;张红英;李雪
作者机构：
西南科技大学 信息工程学院,四川 绵阳 621010;特殊环境机器人技术四川省重点实验室,四川 绵阳 621010
文献出处：
引用格式：
[1]廉炜雯;吴斌;张红英;李雪-.高效二阶注意力对偶回归网络的超分辨率重建)[J].计算机工程与应用,2022(20):220-228
A类：
ESADRNet,MLSCR,ESOCA,MLSCRAG,渐进式上采样,Urban109
B类：
对偶回归网络,超分辨率重建,中间层,通道特征,低分辨率图像,高分辨率图像,函数映射,映射空间,注意力机制,FReLU,激活函数,下采样,采样层,空间上下文,上下文特征提取,跳跃连接,残差块,通道注意力模块,残差注意力,SSC,亚像素卷积,辨别,特征表示,特征表达,网络约束,Set5,Set14,BSD100,客观定量,定量指标,比方
AB值：
0.308599
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。
