《表2 多路径残差网络和多路径交叉学习残差网络的PSNR(d B)比较》
此外,多路径残差网络(Proposed 1)和多路径交叉学习残差网络(Proposed 2)在SET5和SET14测试的结果如下。根据表2可知多路径交叉学习残差网络比多路径残差网络重建的图像PSNR高,这证明了交叉学习策略的应用在增强残差网络学习能力中的有效性。而交叉学习则在不增加网络卷积层深度的情况下,扩展了多路径残差网络学习的信息数据,有效增强了超分辨率重建网络的特征表达能力。
图表编号 | XD00135956100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 郭锋锋、马璐 |
绘制单位 | 宿州职业技术学院、宿州职业技术学院 |
更多格式 | 高清、无水印(增值服务) |