《表1 先进方法概述:基于轻量自动残差缩放网络的图像超分辨率重建》
本文提出了一个具有自动残差缩放功能的轻量级网络(light-weight Network with Automatic Residual Scaling,ARSN),并与加速超分辨率卷积神经网络(Fast Super-Resolution Convolutional Neural Network,FSRCNN)[27]、使用超深度卷积网络的精确图像超分辨率方法(accurate image Super-Resolution using Very Deep convolutional network,VDSR)[28]、用于图像超分辨率的深度递归卷积网络方法(Deeply-Recursive Convolutional Network for image super-resolution,DRCN)[29]、用于图像还原的持久性存储网络(persistent Memory Network for image restoration,MemNet)[30]等网络比较了网络输入、层数、是否使用残差学习等参数。如表1所示,这些方法的网络层数趋于越来越深,而本文方法网络权重相对较轻,层数少得多。同时,本文方法可以直接输入低分辨率图像而无需进行双三次插值,这可以减少额外的计算。
图表编号 | XD00163183300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 代强、程曦、王永梅、牛子未、刘飞 |
绘制单位 | 安徽农业大学信息与计算机学院、南京理工大学计算机科学与工程学院、安徽农业大学信息与计算机学院、安徽农业大学信息与计算机学院、安徽农业大学信息与计算机学院 |
更多格式 | 高清、无水印(增值服务) |