s-LWSR：超轻量级超分辨率网络
图像与视频处理
2023-07-19 v1 计算机视觉与模式识别
摘要
用于超分辨率（SR）的深度学习（DL）架构通常包含海量参数，这被视为获得满意性能的关键优势。然而，随着手机拍摄与修图的普及，这一特性极大阻碍了 DL-SR 模型在移动设备上的部署。为解决该问题，本文提出一种超轻量级 SR 网络：s-LWSR。我们的工作主要有三点贡献。首先，为从低分辨率图像中高效提取特征，我们构建了一个信息池，以混合来自流水线前半部分的多级信息。相应地，信息池将先前各层的层级特征组合馈送给后半部分。其次，我们采用压缩模块进一步减小参数规模。深入分析证实其在模型复杂度与精度之间具有权衡能力。第三，通过揭示激活函数在深度模型中的具体作用，我们移除了 SR 模型中的若干激活层，以保留更多信息从而提升性能。大量实验表明，我们的 s-LWSR 在有限参数与计算量下，可达到与其他笨重 DL-SR 方法相近的性能。
引用
@article{arxiv.1909.10774,
title = {s-LWSR: Super Lightweight Super-Resolution Network},
author = {Biao Li and Jiabin Liu and Bo Wang and Zhiquan Qi and Yong Shi},
journal= {arXiv preprint arXiv:1909.10774},
year = {2023}
}