基于并行残差卷积网络的图像超分辨重建
杨伟铭1
张钰2
1.军事科学院系统工程研究院后勤科学与技术研究所,北京,1008002.陕西师范大学计算机科学学院,西安,710119
摘要：针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型.模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建.提出的模型具有以下优点:①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力.通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升.
关键词：卷积神经网络图像超分辨率扩张神经网络跳跃链接深度学习
分类号：TP311(计算技术、计算机技术)
资助基金：国家自然科学基金(41671409)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 84-89 )
英文信息