超级会员免费看
本文探讨了多尺度特征提取在图像超分辨率重建和人脸识别中的重要性，提出了一种多尺度递归网络模型，利用多尺度特征映射单元和递归融合。同时，引入了注意力机制，包括通道注意力模块和DropBlock，以增强特征表达和防止过拟合。实验表明，数据增强和多尺度特征融合提高了模型性能和视觉效果。
基于多尺度递归网络的图像超分辨率重建 - 中国知网 (cnki.net)
引言
近 年 来，基 于 学 习 的 方 法［９－１１］备 受 关 注， Freeman等［１２]提 出了基于样例学习的超分辨率算 法，率先指出在图像局部空间邻域中存在大量的自相似块；Ｙａｎｇ等［１３］利用稀疏编码理论，构建高低分 辨率图像字典，通过学习字典之间的映射关系重构 ＨＲ图像。
目前大多网络模型都只在单一尺度下提取 图像特征，忽略了不同尺度下的图像细节信息。
为了解决这一问题，本文提出一种多尺度递归 网络模型，该模型利用多尺度特征提取单元，
订阅专栏 解锁全文
扫一扫
1261
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
