用于快速图像复原网络的多箱可训练线性单元
计算机视觉与模式识别
2018-07-31 v1
摘要
在去噪和超分辨率等图像复原任务中，利用神经网络已取得了巨大进展。此类方法通常采用极深架构、大量参数、大感受野和高非线性建模能力。为获得高效快速的图像复原网络，应改进上述要求。本文提出一种新颖激活函数——多箱可训练线性单元（MTLU），以在更轻量、更浅的网络下提升非线性建模能力。我们在标准基准上验证了所提出的快速图像复原网络用于图像去噪（FDnet）和超分辨率（FSRnet）。相较于当前最先进方法，我们在内存与运行时间上取得大幅改进，且PSNR精度相当或更优。
引用
@article{arxiv.1807.11389,
title = {Multi-bin Trainable Linear Unit for Fast Image Restoration Networks},
author = {Shuhang Gu and Radu Timofte and Luc Van Gool},
journal= {arXiv preprint arXiv:1807.11389},
year = {2018}
}