基于自适应级联的注意力网络的超分辨率重建

作     者：陈一鸣 周登文 CHEN Yi-Ming;ZHOU Deng-Wen

作者机构：华北电力大学控制与计算机工程学院北京102206 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2022年第48卷第8期

页      面：1950-1960页

核心收录：

学科分类：08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主　　题：超分辨率 轻量级 注意力机制 多尺度重建 自适应参数 

摘      要：深度卷积神经网络显著提升了单图像超分辨率的性能.通常,网络越深,性能越好.然而加深网络往往会急剧增加参数量和计算负荷,限制了在资源受限的移动设备上的应用.提出一个基于轻量级自适应级联的注意力网络的单图像超分辨率方法.特别地提出了局部像素级注意力模块,给输入特征的每一个特征通道上的像素点都赋以不同的权值,从而为重建高质量图像选取更精确的高频信息.此外,设计了自适应的级联残差连接,可以自适应地结合网络产生的层次特征,能够更好地进行特征重用.最后,为了充分利用网络产生的信息,提出了多尺度全局自适应重建模块.多尺度全局自适应重建模块使用不同大小的卷积核处理网络在不同深度处产生的信息,提高了重建质量.与当前最好的类似方法相比,该方法的参数量更小,客观和主观度量显著更好.