图像超分辨率卷积神经网络加速算法

• 作者: 刘超 张晓晖 胡清平
• 来源期刊: 国防科技大学学报
• 学科: 工学
• 关键词: 卷积神经网络 超分辨率重建 深度可分离卷积 子像素卷积
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机科学与技术·电子科学与技术
• 页码范围: 91-97
• 页数: 7页
• 分类号: TP391.4
• 字数: 6339字
• 语种: 中文
• DOI: 10.11887/j.cn.201902014

摘要

为了实现模型的实时和嵌入式运行,提出了一种轻量级的卷积神经网络结构.通过采用较小的滤波器尺寸和引入深度可分离卷积,可大量减少模型参数,提高模型非线性表达能力;在网络末端引入子像素卷积层,直接从原始低分辨率图像学习到高分辨率图像的映射,计算成本为原来的1/k2(k为放大因子).在Set5数据集上的实验表明,所提模型的速度较经典的图像超分辨率重建算法速度提高了25.8倍,能够在通用GPU上实时运行,峰值信噪比平均提高了0.17 dB,并且参数只有它的35％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓晖	海军工程大学兵器工程学院	112	670	13.0	20.0
2	刘超	海军工程大学兵器工程学院	10	21	3.0	4.0
4	胡清平	海军工程大学兵器工程学院	11	33	4.0	5.0