基于注意力DenseNet与残差反卷积的图像超分辨率
计算机视觉与模式识别
2019-07-12 v1 机器学习
图像与视频处理
机器学习
摘要
图像超分辨率是一项具有挑战性的任务，已在研究和工业界引起越来越多的关注。在本文中，我们提出一种新颖的端到端基于注意力的DenseNet与残差反卷积方法，命名为ADRD。在我们的ADRD中，提出一种加权密集块，其中当前层接收来自所有先前层的加权特征，以自适应地捕获密集层中蕴含的有价值特征。并提出一种新颖的空间注意力模块，用于生成一组注意力图以强调信息区域。此外，我们设计了一种创新策略，通过反卷积层对残差信息进行上采样，从而能够准确上采样高频细节。在公开可用数据集上进行的大量实验证明了所提出的ADRD在定量和定性上相对于最先进方法的良好性能。
引用
@article{arxiv.1907.05282,
title = {Image Super-Resolution Using Attention Based DenseNet with Residual Deconvolution},
author = {Zhuangzi Li},
journal= {arXiv preprint arXiv:1907.05282},
year = {2019}
}