基于递归残差网络的图像超分辨率重建

• 作者: 周登文 柴晓亮 段然 赵丽娟
• 来源期刊: 自动化学报
• 关键词: 递归结构 残差学习 卷积神经网络 深度学习 超分辨率
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文与报告
• 页码范围: 1157-1165
• 页数: 9页
• 字数: 6673字
• 语种: 中文
• DOI: 10.16383/j.aas.c180334

摘要

深度卷积神经网络在单图像超分辨率重建方面取得了卓越成就,但其良好表现通常以巨大的参数数量为代价.本文提出一种简洁紧凑型递归残差网络结构,该网络通过局部残差学习减轻训练深层网络的困难,引入递归结构保证增加深度的同时控制模型参数数量,采用可调梯度裁剪方法防止产生梯度消失/梯度爆炸,使用反卷积层在网络末端直接上采样图像到超分辨率输出图像.基准测试表明,本文在重建出同等质量超分辨率图像的前提下,参数数量及计算复杂度分别仅为VDSR方法的1/10和1/(2n2).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵丽娟	华北电力大学控制与计算机工程学院	44	314	9.0	16.0
2	段然	华北电力大学控制与计算机工程学院	2	4	1.0	2.0
3	周登文	华北电力大学控制与计算机工程学院	14	49	3.0	6.0
4	柴晓亮	华北电力大学控制与计算机工程学院	2	4	1.0	2.0