用于单图像超分辨率的通道注意力与多级特征融合
计算机视觉与模式识别
2018-10-17 v1
摘要
卷积神经网络（CNN）已在超分辨率（SR）中展现出优越性能。然而，大多数基于 CNN 的 SR 方法忽视了特征通道间不同的重要性，或未能充分利用分层特征。为解决这些问题，本文提出了一种新颖的递归单元。首先，在每个单元开始时，我们采用紧凑的通道注意力机制自适应地重新校准输入特征的通道重要性。然后，提取并融合多级特征，而非仅深层特征。此外，我们发现，仅在残差分支上使用可学习上采样方法（即转置卷积）而在另一分支上使用双三次插值，会迫使模型学习更多细节。分析实验表明，与当前最优方法相比，我们的方法取得了具竞争力的结果，并保持了更快的速度。
引用
@article{arxiv.1810.06935,
title = {Channel Attention and Multi-level Features Fusion for Single Image Super-Resolution},
author = {Yue Lu and Yun Zhou and Zhuqing Jiang and Xiaoqiang Guo and Zixuan Yang},
journal= {arXiv preprint arXiv:1810.06935},
year = {2018}
}
备注
4 pages, 3 figures, Accepted as an oral presentation at VCIP