《表2 模型Ⅲ、模型Ⅳ和模型Ⅴ在Set5和Set14数据集上的表现》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于深度渐进式反投影注意力网络的图像超分辨率重建》
本文方法不仅引入了注意力机制,而且融入渐进式上采样策略来提升超分辨率的结果。为了验证所提出的网络模型每部分的有效性,构建了三个网络模型,即模型Ⅲ、模型Ⅳ和模型Ⅴ。其中模型Ⅲ是文献[8]中使用6个反投影单元的D-DBPN模型,模型Ⅳ和模型Ⅴ的设置分别如下:在模型Ⅳ中,只引入了注意力机制。该模型使用和模型Ⅲ相同数量的反投影单元,在缩放因子为4和8时,分别使用8×8和12×12的反卷积核。在模型Ⅴ中,不仅引入了注意力机制,并且融合了渐进式上采样的操作,使用相同数量的反投影单元。但是在缩放因子为4和8时,均使用6×6的反卷积核。实验对比了各网络模型在不同数据集上分别上采样4倍和8倍时的PSNR和SSIM[19]的取值,实验结果如表2所示。
图表编号 | XD00163207000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.10 |
作者 | 胡高鹏、陈子鎏、王晓明、张开放 |
绘制单位 | 西华大学计算机与软件工程学院、西华大学计算机与软件工程学院、西华大学计算机与软件工程学院、西华大学机器人研究中心、西华大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |