基于像素对比学习的图像超分辨率算法
文献类型：期刊论文
| 作者 | 周登文; 刘子涵; 刘玉铠 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:1页码:181-193 |
| 关键词 | 图像超分辨率 卷积神经网络 对比学习 注意力机制 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c230395 |
| 英文摘要 | 目前,深度卷积神经网络(Convolutional neural network, CNN)已主导了单图像超分辨率(Single image superresolution, SISR)技术的研究,并取得了很大进展.但是, SISR仍是一个开放性问题,重建的超分辨率(Super-resolution,SR)图像往往会出现模糊、纹理细节丢失和失真等问题.提出一个新的逐像素对比损失,在一个局部区域中,使SR图像的像素尽可能靠近对应的原高分辨率(High-resolution, HR)图像的像素,并远离局部区域中的其他像素,可改进SR图像的保真度和视觉质量.提出一个组合对比损失的渐进残差特征融合网络(Progressive residual feature fusion network,PRFFN).主要贡献有:1)提出一个通用的基于对比学习的逐像素损失函数,能够改进SR图像的保真度和视觉质量; 2)提出一个轻量的多尺度残差通道注意力块(Multi-scale residual channel attention block, MRCAB),可以更好地提取和利用多尺度特征信息; 3)提出一个空间注意力融合块(Spatial attention fuse block, SAFB),可以更好地利用邻近空间特征的相关性.实验结果表明, PRFFN显著优于其他代表性方法. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/55763]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 周登文,刘子涵,刘玉铠. 基于像素对比学习的图像超分辨率算法[J]. 自动化学报,2024,50(1):181-193. |
| APA | 周登文,刘子涵,&刘玉铠.(2024).基于像素对比学习的图像超分辨率算法.自动化学报,50(1),181-193. |
| MLA | 周登文,et al."基于像素对比学习的图像超分辨率算法".自动化学报 50.1(2024):181-193. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。