Image super-resolution using very deep residual channel attention networks
摘要:卷积神经网络的深度对模型的效果有重要作用。但是,较深的网络通常难以训练。低分辨率图像包含丰富的低频信息,平等的对等各个通道的信息会导致CNN的性能。为了解决这个问题,作者提出了残差通道注意力网络。具体来讲,提出RIR结构形成深的网络结构,RIR包含几个长跳跃连接组成的残差组。每个残差组包含用短连接的连接的残差块。通过这么多的跳跃连接,低频信息可以很好的传播。此外,作者通过引入通道注意力机制自适应的缩放通道特征
引言
作者综述了SRCNN,EDSR,MDSR等常见的深度学习超分算法,指出深度对于SR模型性能的提升确实重要。但是,