基于残差网络的图像超分辨率算法改进研究

• 作者: 戴曙光 麻旋
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 图像超分辨率 残差网络 深度学习 卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 91-93
• 页数: 3页
• 分类号: TP312
• 字数: 2610字
• 语种: 中文
• DOI: 10.11907/rjdk.172519

摘要

图像超分辨率重建算法的主要内容是使用低分辨率的图像信息生成高分辨率图像.近年来,随着深度学习和卷积神经网络的发展,出现了很多基于卷积神经网络与残差网络的超分辨率算法.为了解决这些算法参数数量过多、处理过程复杂、训练时间长等问题,结合现有残差网络模型和深度学习算法对其进行改进,包括调整网络结构,减少需要学习的参数,以及去除批归一化层,降低计算复杂度.改进后的网络模型能够取得更好的效果,生成图像的主观和客观评价有一定提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴曙光	上海理工大学光电信息与计算机工程学院	166	839	14.0	22.0
2	麻旋	上海理工大学光电信息与计算机工程学院	1	6	1.0	1.0