一种使用压缩激励网络的有效单图像超分辨率模型
计算机视觉与模式识别
2018-10-04 v1
摘要
近期单图像超分辨率的工作集中于通过增强卷积层之间的空间编码来提升性能。本文关注对卷积特征各通道间相关性的建模。我们提出了一种基于压缩激励块（SEBlock）的有效深度残差网络，从低分辨率（LR）图像重建高分辨率（HR）图像。SEBlock 用于自适应重标定通道级特征映射。此外，每个 SEBlock 之间的短连接用于弥补信息丢失。大量实验表明，我们的模型能达到最先进的性能并获得更精细的纹理细节。
引用
@article{arxiv.1810.01831,
title = {An Effective Single-Image Super-Resolution Model Using Squeeze-and-Excitation Networks},
author = {Kangfu Mei and Aiwen Jiang and Juncheng Li and Jihua Ye and Mingwen Wang},
journal= {arXiv preprint arXiv:1810.01831},
year = {2018}
}
备注
12 pages, accepted by ICONIP2018