基于并行残差卷积网络的图像超分辨重建

• 作者: 张钰 杨伟铭
• 来源期刊: 空军工程大学学报（自然科学版）
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 电子信息与通信导航
• 页码范围: 84-89
• 页数: 6页
• 分类号: TP311
• 字数: 4509字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-3516.2019.04.013

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨伟铭	军事科学院系统工程研究院后勤科学与技术研究所	2	0	0.0	0.0
2	张钰	陕西师范大学计算机科学学院	5	10	2.0	3.0