题目:Fast and Accurate Image Super Resolution by Deep CNN with Skip Connection and Network in Network
摘要
- 我们提出了一种具有深度卷积神经网络的高效,快速的单图像超分辨率(SISR)模型。最近,Deep CNN表明它们在单图像超分辨率方面具有显着的重构性能。【虽然很深的网络性能好,但是需要的硬件要求很高】
当前的趋势是使用更深的CNN层来提高性能,但是,深度模型需要较大的计算资源,不适合移动,平板电脑和IoT设备等网络边缘设备
,我们的模型具有最先进的重建性能,且计算成本至少降低了10倍通过深CNN和剩余网络,跳过连接和网络中的网络(DCSCN)。深度CNN和跳过连接层的组合用作特征提取器,用于局部和全局区域的图像特征。并行的1x1 CNN类似于网络中的“网络”,也用于图像重建。该结构减少了前一层输出的尺寸,从而可以更快地进行计算,而信息损失更少,并且可以直接处理原始图像。此外,我们还优化了每个CNN的层数和过滤器,从而显着降低了计算成本。因此,所提出的算法不仅实现了最先进的性能,而且还实现了