一种高效的多模型图像超分辨率框架

• 作者: 伍新洲 沈立 袁宁徽
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 超分辨率 深度学习 图像分类 多模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 专题:大数据技术
• 页码范围: 49-57
• 页数: 9页
• 分类号: TP391.4
• 字数: 4397字
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20190810001

摘要

图像超分辨率(Super Resolution,SR)技术能够从低分辨率图像中恢复出高分辨率图像,已被广泛应用于遥感、医学影像、目标跟踪与识别等多个领域.随着深度学习研究的深入,该技术也被成功应用于SR相关研究中,但现有工作往往只关注输出图像的质量,而忽略了训练和重构效率.该文基于对图像特征和训练效率的观察,提出了一种基于多模型的SR框架——MMSR,能够根据不同的图像特征选择合适的网络模型,从而在不影响输出图像质量的情况下有效缩短训练时间.面向DIV_2K图像集的测试结果表明,该框架能够实现平均66.7％ 的性能提升,同时具有良好的可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈立	国防科技大学计算机学院	16	54	4.0	7.0
2	伍新洲	国防科技大学计算机学院	1	1	1.0	1.0
3	袁宁徽	国防科技大学计算机学院	1	1	1.0	1.0