基于压缩卷积神经网络的图像超分辨率算法

• 作者: 秦兴 陈滨 高晓琪
• 来源期刊: 电子科技
• 学科: 工学
• 关键词: 图像处理 超分辨重建 卷积神经网络 反卷积 残差块 层次块
• 年，卷（期）: 2020,（5）
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP391
• 字数: 6010字
• 语种: 中文
• DOI: 10.16180/j.cnki.issn1007-7820.2020.05.001

摘要

为了有效提高深度图像的分辨率,文中借鉴经典SqueezeNet网络结构,提出一种基于Fire Module的卷积神经网络模型.该算法实现了直接从低分辨率图像到高分辨率图像的映射和转化,其中Fire Module作为网络的非线性映射模块,在减少参数的同时可学习图像的深层特征.为了避免插值预处理,在网络的输出层引入反卷积层,实现3倍上采样和高分辨率图像的输出.实验表明,采用该基于Fire Module的卷积神经网络模型的反卷积算法得到的超分辨率图像细节更加丰富,客观指标PSNR值和SSIM值的评价也明显优于其他算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦兴	杭州电子科技大学电子信息学院	12	26	3.0	4.0
2	陈滨	杭州电子科技大学计算机学院	4	1	1.0	1.0
3	高晓琪	杭州电子科技大学电子信息学院	1	0	0.0	0.0