文献类型：期刊文章

作　　者：张焯林[1] 赵建伟[1] 曹飞龙[1]

ZHANG Zhuolin;ZHAO Jianwei;CAO Feilong(Department of Applied Mathematics, College of Sciences, China Jiliang University, Hangzhou 310018)

机构地区：[1]中国计量大学理学院应用数学系,杭州310018

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金项目(No.61672477);浙江省自然科学基金项目(No.LY18F020018)资助~~

年　　份：2019

卷　　号：32

期　　号：3

起止页码：259-267

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了在滤波器参数保持不变的情形下扩大感受野,在非常深的卷积网络超分辨率模型网络中引入空洞卷积方法.首先,分析不同膨胀系数组合的空洞卷积块的感受野,并选择更好的结构作为空洞卷积块.然后,堆叠卷积块并加入残差连接构成深度卷积网络.最后,使用多种训练技巧对网络进行重新训练.实验表明,对于数据集Set5上较大的扩大因子,文中构建网络可提升重建效果,并在视觉上也有明显优势.

关 键 词：超分辨率重建 卷积神经网络 空洞卷积  残差连接  

分 类 号：TN911.71] TP183]