基于多层次特征融合的图像超分辨率重建

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	基于多层次特征融合的图像超分辨率重建
	李金新; 黄志勇; 李文斌; 周登文
刊名	自动化学报
	2023
卷号	49 期号:1 页码:161-171
关键词	残差学习层次特征信息超分辨率卷积神经网络
ISSN号	0254-4156
DOI	10.16383/j.aas.c200585
英文摘要	深度卷积神经网络显著改进了单图像超分辨率的性能.更深的网络往往能获得更好的性能.但是,加深网络会导致参数量急剧增加,限制了它在资源受限设备上的应用,比如智能手机.提出了一个融合多层次特征的轻量级单图像超分辨率网络,主要构件是双层嵌套残差块.为了更好地提取特征,减少参数量,每个残差块采用对称结构:先两次扩张,然后两次压缩通道数.在残差块中,通过添加自相关权重单元,加权融合不同通道的特征信息.实验证明,该方法显著优于当前同类方法.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56217]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	李金新,黄志勇,李文斌,等. 基于多层次特征融合的图像超分辨率重建[J]. 自动化学报,2023,49(1):161-171.
APA	李金新,黄志勇,李文斌,&周登文.(2023).基于多层次特征融合的图像超分辨率重建.自动化学报,49(1),161-171.
MLA	李金新,et al."基于多层次特征融合的图像超分辨率重建".自动化学报 49.1(2023):161-171.