用于单图像超分辨率的多级特征融合机制
计算机视觉与模式识别
2020-02-17 v1 图像与视频处理
摘要
卷积神经网络(CNN)已广泛应用于单图像超分辨率(SISR)，使 SISR 近年来取得巨大成功。随着网络加深，网络的学习能力越来越强。然而，大多数基于 CNN 的 SISR 方法没有充分利用层次化特征与网络的学习能力。这些特征无法被后续层直接提取，因此前层的层次信息对输出的影响很小，后续层性能相对较差。为解决上述问题，提出一种新颖的多级特征融合网络(MLRN)，可充分利用全局中间特征。我们还引入特征跳跃融合块(FSFblock)作为基本模块。每个块可直接提取原始多尺度特征并融合多级特征，进而学习特征空间相关性。整体方法中特征间的相关性导致了一种连续全局信息记忆机制。在公开数据集上的大量实验表明，MLRN 所提方法可行，且相对于最先进方法具有良好性能。
引用
@article{arxiv.2002.05962,
title = {Multi-Level Feature Fusion Mechanism for Single Image Super-Resolution},
author = {Jiawen Lyn},
journal= {arXiv preprint arXiv:2002.05962},
year = {2020}
}