基于A2N改进的单图像超分辨重建网络

作     者：曹华梁 庄伟 

作者机构：南京师范大学物理科学与技术学院江苏省光电技术重点实验室 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主　　题：超分辨 深度学习 感受野 卷积神经网络 

摘      要：在单图像超分辨领域，A2N（Attention in Attention Network）的研究中发现并非所有的注意力模块都对网络有益。因此在网络的设计中可将输入特征分成注意力分支和无注意力分支，再根据输入特征利用动态注意力模块自适应调整这两个分支上的权重，使得网络能够强化有用特征，抑制不重要特征。在实际应用场景中，轻量化的网络更加适合在资源受限的设备上运行。于是，本文在A2N的基础上进行了改进，通过削减原有网络中A2B（Attention in Attention Block）的数量，并引入轻量的感受野模块（Receptive Field Block）来提升网络的整体性能。此外，将L1损失调整为基于傅里叶变换的组合损失，将图像的空间域转换为频率域，从而使网络能够学习图像的频率特征。最终实验表明，改进后的A2N在实现性能提升的同时，参数量减少了约25%，计算复杂度减少了约20%，推理速度提升了15%。