文献类型：期刊文章

作　　者：项军[1] 周正华[1] 赵建伟[1]

Xiang Jun;Zhou Zhenghua;Zhao Jianwei

机构地区：[1]中国计量大学理学院应用数学系,杭州310018

出　　处：《计算机应用研究》

基　　金：浙江省自然科学基金资助项目(LY18F020018,LSY19F020001);国家自然科学基(61571410)

年　　份：2020

卷　　号：37

期　　号：S01

起止页码：377-379

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：现有基于深度学习的图像超分辨率重建方法主要依靠改变网络结构和加深网络深度来提升重建效果。针对现有基于注意力机制的深度网络未考虑重建各部分不同作用的问题,提出重建注意力机制,构建基于重建注意力神经网络(RAN)的超分辨率图像重建方法,提高网络的重建效果。该重建方法首先用不同尺寸的卷积核提取不同尺度下的特征图;其次引入通道注意力对通道进行选择;最后提出重建注意力,即对每个单元输出的特征图进行加权组合,作为最后的高分辨率图像。因此,该重建方法的尺度注意力能帮助网络提取不同尺度下的特征,通道注意力能选出同层中重要的特征信息,而重建注意力将选出重要的特征层。实验结果表明所提方法比现有一些重建方法具有更好的重建效果。

关 键 词：超分辨率重建 注意力机制  重建注意力  通道注意力  

分 类 号：TP391.41] TP18[计算机类]