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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论