IDN-Fast and Accurate Single Image Super-Resolution via Information Distillation Network信息蒸馏网络

Fast and Accurate Single Image Super-Resolution via Information Distillation Network CVPR2018

github(caffe): https://github.com/Zheng222/IDN-Caffe

网络结构以特征提取块、多个信息蒸馏块(progressively distill residual information)和重建块组成,其中主要创点是信息蒸馏块。

将增强单元( mixes together two different types of features )( comprises two shallow convolutional networks)+压缩单元(distills more useful information for the sequential blocks)结合 ( the local long and short-path features can be effectively extracted)。

轻量级参数和计算量

为了得到HR image,将学习得到的残差image+upsampled LR image,就是学习的是残差,重建的是残差图。(和RED DRRN类似)

下面主要介绍信息蒸馏块:

增强单元

上图为增强单元,包含两个浅层的卷积网络,前三层(第一层网络)提取局部短途short  path 特征(因网络层数浅),先把浅层的局部特征传递给另一个模块。

第二层网络提取的特征为局部长途long path特征

将特征映射分为两部分(保留的short path特征和增强的short path特征)应该就是图中S分支(未完需补充,S C是什么,怎么操作的)

将短路径特征与长路径特征结合,提高网络表达能力。

压缩单元:采用简单的卷积层压缩增强单元特征中冗余(就是一层卷积层,特征提取一下)

总结来说:增强单元尽可能多的收集信息,压缩单元尽可能的蒸馏有用的信息。

(未完待续)

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值