基于并行残差卷积网络的图像超分辨重建
Image Super-Resolution in Combination with Convolution Neural Network作者机构:军事科学院系统工程研究院后勤科学与技术研究所北京100800 陕西师范大学计算机科学学院西安710119
出 版 物:《空军工程大学学报(自然科学版)》 (Journal of Air Force Engineering University(Natural Science Edition))
年 卷 期:2019年第20卷第4期
页 面:84-89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:卷积神经网络 图像超分辨率 扩张神经网络 跳跃链接 深度学习
摘 要:针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点:①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。