《表2 不同方法的定量结果对比》

  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

《基于非局部通道注意力机制的单图像超分辨率方法》

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

本文使用基于CNN的双三次降解（Bicubic）的最新SR方法进行了比较测试：SRCNN[3]、FSRCNN[4]、VDSR（Very Deep convolutional Super-Resolution networks）[14]、Lap SRN[6]、Mem Net（Memory Network）[24]、EDSR[7]、RDN（Residual Dense Network）[23]、SAN（Second-order Attention Network）[21]和RCAN[9]来验证NCAN的有效性。不同方法所得的视觉结果如图3所示。表2中显示了每个比例因子的定量结果。与其他方法相比，本文提出的NCAN在所有具有不同比例因子的数据集上表现最佳。NCAN和SAN可以达到非常相似的结果，并且优于其他方法。由于其他方法都使用二阶注意力来学习特征之间的相互依赖性，这使得网络更加关注信息特征。