用于单图像超分辨率的注意力感知线性深度可分离卷积
图像与视频处理
2019-12-02 v3 计算机视觉与模式识别
摘要
尽管深度卷积神经网络（CNNs）在图像超分辨率（SR）中取得了优异性能，但随着 CNN 模型加深加宽，其计算成本呈几何增长。同时，中间层特征在通道上被同等对待，从而阻碍了 CNN 的表征能力。在本文中，我们提出一种注意力感知的线性深度可分离网络以解决单图像 SR 的问题，称为 ALDNet。具体而言，线性深度可分离卷积使基于 CNN 的 SR 模型在降低计算负担的同时保留用于重建高分辨率图像的有用信息。此外，我们设计了一个注意力感知分支，通过充分利用深度可分离滤波器间的相互依赖关系来增强深度可分离卷积层的表示能力。在公开基准数据集上的实验表明，ALDNet 在定量指标和视觉质量方面均优于传统深度可分离卷积。
引用
@article{arxiv.1908.02648,
title = {Attention-Aware Linear Depthwise Convolution for Single Image Super-Resolution},
author = {Seongmin Hwang and Gwanghuyn Yu and Cheolkon Jung and Jinyoung Kim},
journal= {arXiv preprint arXiv:1908.02648},
year = {2019}
}
备注
9 pages, 8 figures