典型文献
自适应残差注意力的轻量级图像超分辨率重建模型
文献摘要：
单幅图像超分辨率重建在众多领域应用广泛,然而现有算法大多通过扩展卷积神经网络深度和宽度来提取更多特征细节,导致算法计算复杂度的提高和模型参数量的增大.为解决上述问题,提出一种自适应残差注意力的轻量级超分辨率网络算法.首先通过改进坐标注意力网络,生成了关注高频位置信息的注意力特征图;接着将改进的自适应残差注意力信息提取模块和坐标注意力模块双支路并行连接,使输出的特征信息包含更多图像细节;同时采用多尺度上采样方法,使训练得到的网络模型(单次训练)一次输出多个不同尺度的超分辨率图片.通过和经典的轻量级超分辨率算法比较,所提算法得到的4倍重建图片在4个公共数据集上的平均峰值信噪比(PSNR)提高了 1.06 dB,模型参数量减少了59％,图像观感更为清晰,包含更多高频细节.
文献关键词：
图像超分辨率;轻量级;注意力机制;卷积神经网络;残差学习
中图分类号：
作者姓名：
江明;肖庆生;易见兵;曹锋
作者机构：
江西理工大学信息工程学院,江西赣州341000
文献出处：
引用格式：
[1]江明;肖庆生;易见兵;曹锋-.自适应残差注意力的轻量级图像超分辨率重建模型)[J].激光与光电子学进展,2022(16):133-141
A类：
B类：
残差注意力,轻量级,图像超分辨率重建,单幅图像超分辨率,建在,多通,多特征,算法计算,计算复杂度,模型参数量,超分辨率网络,网络算法,坐标注意力,注意力网络,位置信息,特征图,信息提取,取模,注意力模块,双支,支路,特征信息,多图像,多尺度上采样,采样方法,练得,不同尺度,超分辨率算法,算法比较,建图,公共数据,峰值信噪比,PSNR,dB,观感,高频细节,注意力机制,残差学习
AB值：
0.311863
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。
