基于组–信息蒸馏残差网络的轻量级图像超分辨率重建
文献类型：期刊论文
| 作者 | 王云涛; 赵蔺; 刘李漫; 陶文兵 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2024 |
| 卷号 | 50期号:10页码:2063-2078 |
| 关键词 | 残差网络 超分辨率 特征蒸馏 高频损失 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c211089 |
| 英文摘要 | 目前, 基于深度学习的超分辨算法已经取得了很好性能, 但这些方法通常具有较大内存消耗和较高计算复杂度, 很难应用到低算力或便携式设备上. 为了解决这个问题, 设计一种轻量级的组−信息蒸馏残差网络(Group-information distillation residual network, G-IDRN)用于快速且精确的单图像超分辨率任务. 具体地, 提出一个更加有效的组−信息蒸馏模块(Group-information distillation block, G-IDB)作为网络特征提取基本块. 同时, 引入密集快捷连接, 对多个基本块进行组合, 构建组−信息蒸馏残差组(Group-information distillation residual group, G-IDRG), 捕获多层级信息和有效重利用特征. 另外, 还提出一个轻量的非对称残差Non-local模块, 对长距离依赖关系进行建模, 进一步提升超分性能. 最后, 设计一个高频损失函数, 去解决像素损失带来图像细节平滑的问题. 大量实验结果表明, 该算法相较于其他先进方法, 可以在图像超分辨率性能和模型复杂度之间取得更好平衡, 其在公开测试数据集B100上, 4倍超分速率达到56 FPS, 比残差注意力网络快15倍. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/59479]  |
| 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 | 王云涛,赵蔺,刘李漫,等. 基于组–信息蒸馏残差网络的轻量级图像超分辨率重建[J]. 自动化学报,2024,50(10):2063-2078. |
| APA | 王云涛,赵蔺,刘李漫,&陶文兵.(2024).基于组–信息蒸馏残差网络的轻量级图像超分辨率重建.自动化学报,50(10),2063-2078. |
| MLA | 王云涛,et al."基于组–信息蒸馏残差网络的轻量级图像超分辨率重建".自动化学报 50.10(2024):2063-2078. |
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。