《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。