《表1 基于卷积神经网络的超分辨率算法比较》
在DenseNet的基础上,SRDenseNet[18]首次将稠密连接引入到SISR问题中,SRDenseNet使用了8个稠密连接单元,训练了一个超过64层的深度卷积神经网络,其中,每个稠密单元包含了8层卷积层,而每一层都以稠密连接的方式进行信息传递。为了加强网络信息的流通,SRDenseNet将稠密单元同样以稠密连接的方式进行传递,并相比于之前的结果取得了极大的效果提升。然而,尽管稠密连接通道可以降低网络模型参数量,但网络的计算复杂度却也随着输入通道的叠加而增大。为了控制模型参数量,同时增加模型的深度,需要限制稠密通道的增长速率,这也就限制了特征映射的传递。网络模型结构对比见表1。
图表编号 | XD00106892100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 马子骥、卢浩、董艳茹 |
绘制单位 | 湖南大学电气与信息工程学院、湖南大学电气与信息工程学院、湖南大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |