摘要:图像超分辨可以丰富图像的细节信息。针对目前许多网络对LR图像的特征复用不足和参数量过大的问题,作者使用不同大小的卷积核和注意力残差机制构建图像超分辨网络,用3个有差别的卷积层来提取图像的特征,其中第2层和第三层用卷积核代替大的卷积核,对3层卷积融合之后引入注意力机制,最后用传统的双三次插值直接给网络提供低频信息。在减少参数量和减轻梯度消失的同时,让有效的高频信息得到更大的权重和增强网络之间的非线性表达能力。
这篇论文作者是在MSRN的基础上进行改进,加了一条双三次插值的跳跃连接,并且改进了残存块结构。
引言
作者使用不同大小的卷积核,在模块中加入了通道注意力机制,可以自适应的学习特征权重,赋予高频信息更大的权重,使网络更注重传递有效的特征信息。
基于深度学习的SR
SRCNN