用于轻量级图像超分辨率的金字塔密集注意力网络
图像与视频处理
2021-06-15 v1 计算机视觉与模式识别
摘要
近年来，深度卷积神经网络方法在图像超分辨率(SR)中取得了优异性能，但由于内存开销大，难以应用于嵌入式设备。为解决该问题，本文提出一种用于轻量级图像超分辨率的金字塔密集注意力网络(PDAN)。在我们的方法中，所提出的金字塔密集学习可在金字塔密集块内逐步增加密集连接层的宽度，以高效提取深层特征。同时，引入分组数随密集卷积层线性增长的自适应分组卷积，以缓解参数爆炸。此外，我们还提出一种新颖的联合注意力，以高效方式捕获空间维度与通道维度间的跨维度交互，从而提供丰富的判别性特征表示。大量实验结果表明，与当前最先进的轻量级SR方法相比，我们的方法取得了更优性能。
引用
@article{arxiv.2106.06996,
title = {Pyramidal Dense Attention Networks for Lightweight Image Super-Resolution},
author = {Huapeng Wu and Jie Gui and Jun Zhang and James T. Kwok and Zhihui Wei},
journal= {arXiv preprint arXiv:2106.06996},
year = {2021}
}