基于通道注意力融合方向感知特征的深度神经网络用于快速准确单图像超分辨率
图像与视频处理
2019-12-10 v1 计算机视觉与模式识别
摘要
近来，卷积神经网络（CNNs）已成功应用于求解不适定的单图像超分辨率（SISR）问题。提升基于 CNN 的 SISR 模型性能的一种常用策略是部署极深网络，这不可避免地带来诸多明显缺陷（例如，大量网络参数、沉重计算负载以及困难的模型训练）。本文中，我们旨在通过开发性能更优的特征提取与融合技术来构建更准确且更快速的 SISR 模型。首先，我们提出一种新颖的方向感知特征提取与融合模块（OAM），其包含 1D 与 2D 卷积核的混合（即 5 x 1、1 x 5 与 3 x 3）以提取方向感知特征。其次，我们采用通道注意力机制作为一种有效技术，自适应地融合不同方向以及层级堆叠卷积阶段中提取的特征。基于这两项重要改进，我们提出一种紧凑而强大的基于 CNN 的模型，通过基于通道注意力的方向感知特征融合（SISR-CA-OA）实现高质量 SISR。大量实验结果验证了所提 SISR-CA-OA 模型的优越性，在恢复精度与计算效率两方面均优于最先进的 SISR 模型。源代码将公开可用。
引用
@article{arxiv.1912.04016,
title = {Deep Neural Network for Fast and Accurate Single Image Super-Resolution via Channel-Attention-based Fusion of Orientation-aware Features},
author = {Du Chen and Zewei He and Yanpeng Cao and Jiangxin Yang and Yanlong Cao and Michael Ying Yang and Siliang Tang and Yueting Zhuang},
journal= {arXiv preprint arXiv:1912.04016},
year = {2019}
}
备注
12 pages, 11 figures