检索结果-南通市图书馆

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于注意力残差网络的人脸超分辨率重建

计算机工程 2023年第6期49卷 234-241页

作者：王同官赖惠成蔡玉玺高古学汪烈军新疆大学信息科学与工程学院乌鲁木齐830046

为解决通道内部特征信息交互性不足、特征利用和表示不够充分导致的人脸面部细节信息恢复不理想的问题,提出一种基于编码器-解码器的注意力残差网络,并设计基于注意力的残差模块,其主要由基准残差模块、沙漏模块与内部特征拆分注意力模... 详细信息

为解决通道内部特征信息交互性不足、特征利用和表示不够充分导致的人脸面部细节信息恢复不理想的问题,提出一种基于编码器-解码器的注意力残差网络,并设计基于注意力的残差模块,其主要由基准残差模块、沙漏模块与内部特征拆分注意力模块组成,通过内部特征拆分注意力模块加强通道内部之间的交互性,使网络能够提取到更详细的特征信息,恢复出更多人脸面部细节,同时在残差模块中利用一个预激活模块,解决批量归一化层在超分辨率网络中存在的伪影问题。在特征提取单元末端运用多阶特征融合模块充分融合多个阶段的特征,缓解特征在网络传输过程中的丢失现象,提高特征利用率。实验结果表明,该方法可以恢复出更多人脸面部细节,在Helen人脸数据集上,重建人脸图像的PSNR值为27.74 dB,相比SISN和DICNet方法,分别提高了1.47 dB、1.12 dB。在CelebA人脸数据集上,重建人脸图像的PSNR值为27.40 dB,相比SISN和DICNet方法,分别提高了1.26 dB、0.39 dB。

关键词：人脸超分辨率注意力机制残差网络特征融合编码器解码器

基于非对称U型金字塔重建的轻量级人脸超分辨率网络

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

山东大学学报（工学版） 2022年第1期52卷 1-8,18页

作者：蒋桐雨陈帆和红杰西南交通大学信号与信息处理四川省重点实验室四川成都611756 西南交通大学计算机与人工智能学院四川成都611756

为解决深度卷积神经网络在人脸超分辨率任务中模型复杂并难以实际应用的问题,提出一种轻量级人脸超分辨率网络。利用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建从而实现快速准确的超分辨率。为降低解码块中上采... 详细信息

为解决深度卷积神经网络在人脸超分辨率任务中模型复杂并难以实际应用的问题,提出一种轻量级人脸超分辨率网络。利用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建从而实现快速准确的超分辨率。为降低解码块中上采样操作的参数量,采用基于分辨率选择的非一致通道扩宽策略。为避免增加分支,通过热图损失引入人脸先验知识。试验结果表明,本研究提出的模型轻量有效地实现了超低分辨率人脸图像的超分辨重建,以较低的模型复杂度,重建出视觉质量优于其他先进方法的超分辨率人脸图像。

关键词：深度学习人脸超分辨率非对称编解码金字塔重建热图损失生成对抗网络

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于高效注意力机制的人脸超分辨率研究

基于高效注意力机制的人脸超分辨率研究

作者：许子祥南京邮电大学

学位级别：硕士

人脸超分辨率(face super-resolution,FSR)是指利用低分辨率人脸图像重建获得高分辨率人脸图像的技术。与一般的图像超分辨率不同,FSR的核心目标是尽可能多地重建低分辨率人脸图像中缺失的面部结构信息(即面部五官的形状和面部轮廓)。... 详细信息

人脸超分辨率(face super-resolution,FSR)是指利用低分辨率人脸图像重建获得高分辨率人脸图像的技术。与一般的图像超分辨率不同,FSR的核心目标是尽可能多地重建低分辨率人脸图像中缺失的面部结构信息(即面部五官的形状和面部轮廓)。虽然这些结构只占面部的一小部分,但却是区分不同面部的关键。与人脸图像中的其他背景区域相比,人的面部特征和轮廓通常更难恢复,因为它们往往跨越较大的区域并且需要更多的全局信息。本文开展基于高效注意力机制的人脸超分辨研究,重点研究如何充分提取和利用人脸图像的局部特征和全局特征信息重建出高质量的人脸图像。对此,本文主要提出了以下三种解决方法:(1)以往方法大多通过与面部先验联合的深度学习方法恢复由于退化丢失的人脸图像细节。考虑到人脸先验信息需要额外手工标记以及卷积神经网络(CNN)存在感受野大小受限等问题,本文提出了一种基于Transformer的高效注意力机制人脸超分辨率网络(Efficient Attention Mechanisms Network,EAMNet)。EAMNet结合了CNN的局部特征信息提取能力以及Transformer出色的全局建模能力,在不需要任何先验信息的辅助下,能够有效地恢复人脸的全局结构与局部纹理细节。EAMNet采用后置采样放大图像,在参数量和计算量上都大大缩减,远小于以往的前置采样方法。在Celeb A和Helen等主流数据集上的大量实验都表明该网络可以达到较理想的结果。(2)虽然采用后置采样方式会给网络带来一定的高效性,但网络总是在低维空间上进行特征提取,难免会造成高维特征信息的丢失。针对该点不足,本文提出了一种编码-解码器(Encoder-Decoder)结构的高效双边对称网络(Efficient Bilateral Symmetrical Network,EBSNet)来进行人脸超分任务。编码阶段负责提取人脸图像的高阶语义信息,瓶颈阶段负责加强局部特征信息,解码阶段负责对缩小之后的特征图进行逐步上采样,完善人脸各部位的几何形状的目的,同时解决了在编码过程中将人脸图像缩小而导致的人脸图像细节损失的问题。在Celeb A和Helen数据集上的实验结果证明了该网络的有效性。(3)传统的编码-解码结构通常采用简单的串联方式,但还是不能充分利用到低层特征,低层特征也不能完全有效地指导高层特征进行学习,导致超分任务的性能总是不够很理想。针对该问题,本文提出了一个基于多尺度的CNN-Transformer协作网络(A CNN-Transformer Cooperation Network,CTCNet)。为了充分利用编码阶段提取的多尺度特征,CTCNet在解码阶段引入了多尺度特征融合的方案,以使网络具有更好的特征传播和表示能力。设计多尺度特征交互的主要目标是在编码过程中探索和利用编码阶段的特征。

关键词：人脸超分辨率注意力机制 Transformer 卷积神经网络对抗生成网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度特征表示学习的人脸超分辨率研究

基于深度特征表示学习的人脸超分辨率研究

作者：唐雷南京邮电大学

学位级别：硕士

人脸超分辨率是一个特定领域的图像超分辨率问题,其目的是为了将输入的低分辨率人脸图像恢复为高分辨率人脸图像,在视频监控和识别系统等安全场景中都有重要的应用价值。与一般的图像超分任务不同,人脸超分辨率需要关注人脸的面部细节信... 详细信息

人脸超分辨率是一个特定领域的图像超分辨率问题,其目的是为了将输入的低分辨率人脸图像恢复为高分辨率人脸图像,在视频监控和识别系统等安全场景中都有重要的应用价值。与一般的图像超分任务不同,人脸超分辨率需要关注人脸的面部细节信息,便于后续人脸检测和人脸识别等相关任务性能的提升。本文开展基于深度特征表示学习的人脸超分辨率研究,旨在提高人脸图像的重建效果。结合近期研究的优点,发现以前研究中的不足,提出改进的方法。主要研究内容如下:（1）针对视频监控场景中获得的人脸图像同时存在口罩遮挡及低分辨率问题,提出了一种面向图像去噪和人脸超分辨率的联合学习方法。该方法将口罩遮挡视为图像噪声,利用对抗生成网络将去噪模块与人脸超分辨率模块组合,引入精心设计的损失函数及身份信息来实现可行的特征表达和信息特征学习。联合执行图像去噪和人脸超分辨率任务可以达到互补的效果。该方法在Celeb A数据库和Helen数据库中表现出良好的视觉效果。（2）针对卷积神经网络存在感受野大小受限的问题,将Transformer作为全局监督引入网络,提出了一种基于Transformer和人脸注意力聚合单元的人脸超分辨率重建方法。Transformer具有可以用移位的窗口方案对长期依赖关系进行建模的优点,正好弥补了感受野的缺陷。该方法是一个以卷积神经网络为主导,Transformer为辅的混合架构,在避免巨大计算消耗的同时,能够可靠地恢复人脸局部细节并捕获全局信息。该方法在Celeb A和Helen数据库中验证了其有效性。（3）针对人脸常规先验信息获取难且复杂的问题,提出了一种基于人脸边缘信息和注意力融合机制的人脸超分辨率重建方法。此方法将人脸边缘信息作为先验约束引入网络来替换其它复杂先验,同时引入人脸注意力融合模块和自适应权重。该方法促使卷积层灵活地提炼出与主要面部细节相对应的特征,并逐步提供边缘信息来聚合局部和全局特征。受益于自适应权重,网络能够以最优的方式从浅层特征中提取有用信息来帮助恢复人脸图像的纹理细节。定性、定量的评估表明,该方法在恢复纹理清晰的图像方面比一些先进的人脸超分辨率方法更有优势,在Celeb A和Helen数据库中验证了其性能。

关键词：人脸超分辨率注意力机制残差网络对抗生成网络 Transformer

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信息复杂度分类的人脸超分辨率方法研究

基于信息复杂度分类的人脸超分辨率方法研究

作者：王凯炼华南理工大学

学位级别：硕士

人脸超分辨率(Face super resolution,FSR)是一种将模糊的低分辨率人脸图像转换为清晰的高分辨率人脸图像的方法,随着人脸识别等技术的兴起,各种应用中对于人脸超分辨率技术性能的要求也越来越高。基于先验信息的人脸超分辨率是目前人... 详细信息

人脸超分辨率(Face super resolution,FSR)是一种将模糊的低分辨率人脸图像转换为清晰的高分辨率人脸图像的方法,随着人脸识别等技术的兴起,各种应用中对于人脸超分辨率技术性能的要求也越来越高。基于先验信息的人脸超分辨率是目前人脸超分辨率领域中常用的方法之一,这种方法通过利用人脸坐标点等先验信息来构建超分辨率网络,能获得较好的重建效果,但现有的方法也常因网络训练时在人脸五官区域欠拟合、背景部分过拟合而造成重建图像在人脸部位发生模糊、畸变和扭曲。针对现有技术的不足,本文提出了一种基于信息复杂度分类的人脸超分辨率网络模型和数据扩充方法,主要工作如下:(1)针对现有基于先验信息的人脸超分辨算法在网络训练时存在人脸五官区域欠拟合、背景部分过拟合的不足,提出了一种基于信息复杂度分类的人脸超分辨率网络模型,在现有的人脸超分辨率网络中引入了分类网络对图像按其信息复杂度进行分类,并将不同的类经过不同深度的训练,有效缓解了网络训练过程中的过拟合和欠拟合问题。实验结果表明本文所提方法有效提升了重建的效果。(2)针对CutBlur数据扩充方法存在的因剪切区域随机选取而导致剪切区域的强化训练没有针对性、容易在边界处破坏图像本身纹理等不足,提出了一种基于信息复杂度分类的改进CutBlur数据扩充方法,通过引入图像的复杂度分类信息,对图像的剪切位置进行了约束,能让人脸五官在裁剪中保持完整,令网络在训练时可以将注意力集中在能够凸显人脸五官细节特征的区域,减少对细节特征较少的皮肤等背景区域的注意力。实验结果表明,改进后的数据扩充方法能有效提升网络训练的效果。

关键词：人脸超分辨率信息复杂度人脸先验信息卷积神经网络

基于关键点、属性及三维先验的人脸超分辨率方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于关键点、属性及三维先验的人脸超分辨率方法研究

作者：李松厦门大学

学位级别：硕士

人脸超分辨率旨在从低分辨率的人脸图像恢复出其高分辨率版本,是人脸识别、人脸对齐等任务得以准确判断的关键。本文致力于基于人脸先验信息的超分辨率方法研究。现有的方法在利用人脸先验时存在逻辑不合理或利用不充分的现象,且因过于... 详细信息

人脸超分辨率旨在从低分辨率的人脸图像恢复出其高分辨率版本,是人脸识别、人脸对齐等任务得以准确判断的关键。本文致力于基于人脸先验信息的超分辨率方法研究。现有的方法在利用人脸先验时存在逻辑不合理或利用不充分的现象,且因过于注重基于像素的评价指标,导致生成图像趋于平滑。本文针对上述问题,提出两个解决方案,其中第二个方案以第一个为基础,探索利用更加鲁棒的人脸先验,以辅助人脸超分辨率过程。具体的研究内容和创新点如下:(1)针对超分辨人脸图像容易出现模糊和错乱的问题,本方案提出了基于频域感知分解的判别器,从频域信息中发掘潜在伪造模式,从而增强生成器的性能。对于生成器,本方案提出了人脸双重注意力模块和人脸关键点激活模块。人脸双重注意力模块利用通道注意力和人脸空间注意力增强特征图,人脸关键点激活模块则有监督的使用人脸关键点对人脸特征进行激活,并输出最终超分辨率结果。定量和定性的实验证明了该方法的有效性。(2)针对现有基于人脸属性先验方法应用场景受限以及现有基于三维人脸参数先验方法先验信息置信度低的问题,本方案提出了一个三分支生成器,分支分别是人脸属性预测分支、三维人脸重建分支和人脸特征融合分支。本方案先对输入图像进行粗加工,再使用人脸属性预测分支和三维人脸重建分支对中间结果进行后监督并提取中间特征,人脸特征融合分支融合其他两个分支的中间特征,完成进一步超分辨率计算。该方法在基于感官的评价指标上超越了大多数现有的方法,生成人脸图像质量高。

关键词：人脸超分辨率人脸关键点人脸频域分解人脸属性三维人脸重建

考虑多细粒度特征融合的人脸超分辨率算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

考虑多细粒度特征融合的人脸超分辨率算法研究

作者：黄伟康四川大学

学位级别：硕士

人脸图像因其具有独特的人脸特征属性,已经成为人类社会重要的信息载体之一。在现代社会中,人脸图像的应用越来越广泛,尤其是随着人工智能技术的发展,人脸图像具有身份认证、智能安防、情感分析、移动支付等多种应用场景。高分辨率人脸... 详细信息

人脸图像因其具有独特的人脸特征属性,已经成为人类社会重要的信息载体之一。在现代社会中,人脸图像的应用越来越广泛,尤其是随着人工智能技术的发展,人脸图像具有身份认证、智能安防、情感分析、移动支付等多种应用场景。高分辨率人脸图像以其可以精确表达人脸面部特征和纹理的能力,是人脸识别、验证、跟踪等多种任务高效实施的关键因素。人脸超分辨率作为一种可以将低分辨率人脸图像重建为高分辨率人脸图像的技术,为基于人脸图像的高层计算机视觉任务提供了应用基础,具有重要研究意义。近年来,鉴于人脸图像具有独特的人脸属性信息,如人脸关键点、人脸解析图和面部热力图在内的人脸先验信息,出现了许多基于深度神经网络和人脸先验信息的人脸超分辨率方法,这类方法虽然能够取得较好的超分表现,但仍然存在一些问题。本文对考虑多细粒度特征融合的人脸超分辨率算法展开深入研究,针对这些问题提出了两种不同的人脸超分辨率重建方法。本文主要研究工作如下:(1)基于人脸先验信息的深度人脸超分辨率重建方法通常需要伴随着重建网络训练一个额外的人脸先验预测网络,当待超分低分辨率人脸图像与人脸先验预测网络训练集存在分布偏差时,推理出的人脸先验信息则可能存在误差,最终导致网络超分性能下降。针对这一问题,提出了一种基于多细粒度特征融合空间注意力的人脸超分辨率重建方法。该方法提出了一种基于多细粒度特征融合的空间注意力机制,多细粒度特征带来的不同尺度的感受野信息使该注意力机制能够引导网络关注不同尺度的人脸结构,即该注意力机制起到了代替人脸先验信息提供位置信息的作用;基于多细粒度特征融合空间注意力机制构建了多细粒度特征残差块,使用多细粒度残差块搭建了UNet-like的深度编码器-解码器网络作为生成网络,引入相对平均鉴别器组成生成对抗网络,使生成的高分辨率人脸图像具有逼真的人脸纹理特征。实验结果表明,该方法在两个数据集上测试的平均峰值信噪比和结构相似性指标均高于基于人脸先验信息的人脸超分辨率基线方法,并且能够生成视觉效果更好的高分辨率人脸图像。(2)针对基于深度神经网络和人脸先验信息的人脸超分辨方法存在模型参数量和计算量过大的问题,提出了基于蓝图可分离卷积和大核注意力的轻量级人脸超分辨率重建方法。该方法采用蓝图可分离卷积代替标准卷积,蓝图可分离卷积基于卷积核内部的相关性,对标准卷积进行重构。蓝图可分离卷积减少了标准卷积中冗余的滤波器,从而大幅度减少了网络模型需要的参数量和计算量;提出了一种基于大核卷积的多尺度大核注意力机制。该注意力机制使用大尺寸卷积核,使得神经网络拥有更大的有效感受野,并通过不同尺度大核卷积融合得到多细粒度、尺度特征,以更好地引导网络建模特征间长程依赖关系并准确地生成人脸局部和整体结构;使用大核分解的方法对大核注意力机制中的大核卷积进行拆解,保证了网络拥有更大有效感受野和较好超分性能的同时避免模型庞大的参数量和计算量的问题。实验结果表明,该方法在相比于基线方法更低的参数量和计算量的情况下,仍然能够具有较好的超分性能,并生成人脸结构准确、细节丰富的高分辨率人脸图像。(3)在图像处理任务中,不同细粒度和尺度的特征可能包含不同层次的语义信息。针对选择何种细粒度特征对算法模型真正有效这一问题,本文在提出的两种超分辨率重建方法中,展开了多种不同细粒度特征的组合实验,探究不同细粒度特征对人脸超分辨率网络性能和有效感受野大小的影响。

关键词：人脸超分辨率多细粒度特征注意力机制生成对抗网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多特征动态融合的人脸超分辨率重建

基于多特征动态融合的人脸超分辨率重建

作者：陈政福建师范大学

学位级别：硕士

人脸超分辨率是计算机视觉领域的一个研究热点。现实场景下获取的人脸图像通常会受到模糊、镜头抖动等复杂降质因素的影响,与人工合成的低分辨率人脸图像存在很大的差异。为提升人脸超分辨率性能,满足现实的需要,现有人脸超分辨率算法... 详细信息

人脸超分辨率是计算机视觉领域的一个研究热点。现实场景下获取的人脸图像通常会受到模糊、镜头抖动等复杂降质因素的影响,与人工合成的低分辨率人脸图像存在很大的差异。为提升人脸超分辨率性能,满足现实的需要,现有人脸超分辨率算法常引入面部解析图、模糊核或面部生成性特征来超分重建人脸图像。这些算法虽然取得了不错的性能效果,但存在面部解析图质量不稳定、模糊核估计不准确和空间结构被破坏以及引入的特征类型单一、利用不充分的问题。针对上述问题,本文开展以下三项工作:1.为解决基于面部解析图引导的人脸超分辨率算法在现实场景下生成的面部解析图不准确导致超分辨率性能下降的问题,本文提出基于鲁棒面部解析图的人脸超分辨率算法,通过构建基于双学习策略的双循环网络生成高质量的鲁棒面部解析图,提升人脸超分辨率的性能。具体地,该网络包含面部解析图生成主任务以及人脸粗超分辨率子任务,子任务可以为主任务提供额外的监督,有效增强输入的低质量人脸图像的高频信息。同时通过在多个尺度上生成面部解析图和对应的粗超分辨率人脸图像形成双循环框架,在每个尺度上准确指导面部解析映射,使该网络可以准确定位人脸关键部分实现对低质量人脸图像生成准确的面部解析图。本文的面部解析图生成算法可有效提升基于面部解析图的人脸超分辨率重建效果,该特征生成算法具有较高普适性,不仅适用于人脸超分辨率框架,也可辅助其他基于面部解析图的视觉任务提升效能。2.为解决传统模糊核估计算法不适用于低分辨率人脸图像,以及现有多数算法通过主成分分析技术得到模糊核特征的方式破坏了模糊核的空间结构,导致模糊核特征无法被超分辨率网络充分利用的问题,本文提出基于模糊核估计的人脸超分辨率网络。该网络通过构建面向低分辨率人脸图像的模糊核估计网络,为超分辨率算法提供较以往算法更为鲁棒的模糊核估计结果,进而提升超分辨率重建过程的性能。本文设计了一个带有正则项的损失函数,实现对输入的低分辨率人脸图像进行准确的退化估计。其次该网络使用卷积的方式提取模糊核特征,保护了模糊核的空间结构,使超分辨率网络能更充分地利用模糊核特征。本文提出的模糊核估计算法可以有效提升基于模糊核的人脸超分辨率重建性能。与传统算法相比,本文提出的算法能够针对低分辨率人脸图像准确地估计模糊核信息。与通过主成分分析技术获得模糊核特征的算法相比,本文提出的算法更能保护模糊核的空间结构。3.为解决基于特征引导的人脸超分辨率网络存在的引入特征类型单一以及特征利用不充分的问题,本文提出基于多特征动态融合的人脸超分辨率算法,通过动态融合面部解析图、模糊核和面部生成性特征,提升超分辨率网络的鲁棒性,增强超分辨率重建性能。本文首先对Style GANv2进行改进,提出面部生成性特征生成网络,然后构建特征动态融合模块对面部解析图、模糊核以及面部生成性特征进行动态融合,使超分辨率网络能更有效地利用这些特征信息,提升超分网络的重建性能和鲁棒性。与前沿算法相比,本文算法可以提升PSNR性能大约0.5 d B,在主观比较上,本文算法能够获得更准确合理的面部细节。总的来说,本文前两项工作可作为互相独立的超分辨率算法框架,有效解决面部解析图质量不稳定和模糊核估计不准确、空间结构被破坏的问题,也可综合为多特征动态融合算法,解决引入特征类型单一和利用不充分的问题,进一步提升人脸超分辨率性能。

关键词：人脸超分辨率面部解析图模糊核面部生成性特征动态融合

基于金字塔重建的轻量级人脸超分辨率网络研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于金字塔重建的轻量级人脸超分辨率网络研究

作者：蒋桐雨西南交通大学

学位级别：硕士

人脸超分辨率泛指将低分辨率人脸图像重建为高分辨率人脸图像的技术,该技术通过增加人脸图像中的可用信息为各类人脸相关应用提供了可靠的数据支撑。近年来,以卷积神经网络为代表的深度学习技术在人脸超分辨率研究中获得了广泛的关注,... 详细信息

人脸超分辨率泛指将低分辨率人脸图像重建为高分辨率人脸图像的技术,该技术通过增加人脸图像中的可用信息为各类人脸相关应用提供了可靠的数据支撑。近年来,以卷积神经网络为代表的深度学习技术在人脸超分辨率研究中获得了广泛的关注,并展现出了远超于传统方法的重建性能。但随着研究的深入,基于深度学习的人脸超分辨率模型趋于复杂化,难以部署在实际应用场景中。尤其当引入人脸特征信息作为补充信息时,该类模型对计算资源提出了更高的要求,同时破坏了后续人脸相关任务的实时性。针对上述问题,本文在金字塔重建这一轻量级重建结构的基础上,分别对人脸超分辨率网络的轻量化设计和人脸特征信息的轻量化引入进行了研究,主要研究内容包括:1.提出一种基于非对称U型金字塔重建的轻量级人脸超分辨率网络。该网络具有非对称的U型结构,采用编解码结构加深网络,使用残差编码块构成的编码结构进行特征提取,在解码结构中引入金字塔重建实现快速准确的超分辨率。为降低解码块中上采样操作的参数量,采用一种基于分辨率选择的非一致通道扩宽策略。为避免增加分支,通过热图损失引入人脸先验知识。实验结果表明,所提方法有效地实现了超低分辨率人脸图像的超分辨重建,其视觉质量优于目前其他先进方法,且具有较低模型复杂度和较强模型鲁棒性。2.提出一种基于双金字塔重建与人脸边缘线融合的轻量级人脸超分辨率网络。该网络使用Ghost Bottleneck和密集残差结构实现了轻量级的特征提取结构。引入5分类人脸边缘线热图,基于双金字塔重建结构,同时预测各分辨率级别的人脸边缘线热图和超分辨率人脸图像,利用人脸图像和边缘线热图的预测残差图像相似性,实现使用更轻量级的先验提取结构对人脸边缘线进行提取。使用特征转换-连接-融合策略,高效融合人脸特征图和边缘线特征图,实现高质量的人脸超分辨率重建。实验结果表明,所提方法在模型复杂度和各项评价指标下均优于目前其他较先进的方法。

关键词：人脸超分辨率卷积神经网络拉普拉斯金字塔生成对抗网络