基于残差神经元注意力网络的单图像超分辨率
图像与视频处理
2020-05-22 v1 计算机视觉与模式识别
摘要
深度卷积神经网络(DCNNs)在单图像超分辨率(SISR)中取得了令人印象深刻的性能。为了进一步提升性能，现有的基于CNN的方法通常侧重于设计更深的网络架构。然而，我们认为盲目增加网络深度并非最明智的方式。本文提出一种新颖的端到端残差神经元注意力网络(RNAN)，以实现更高效且有效的SISR。在结构上，我们的RNAN是对精心设计的全局上下文增强残差组(GCRGs)的顺序集成，从粗到细地提取超分辨率特征。我们的GCRG具有两个新颖之处。首先，在GCRG的每个块中提出残差神经元注意力(RNA)机制，以揭示神经元的相关性从而获得更好的特征表示。此外，全局上下文(GC)块被嵌入到RNAN中每个GCRG的末端，以有效建模全局上下文信息。实验结果表明，我们的RNAN在定量指标和视觉质量方面均取得了与最先进(state-of-the-art)方法相当的结果，但具有更简化的网络架构。
引用
@article{arxiv.2005.10455,
title = {Single Image Super-Resolution via Residual Neuron Attention Networks},
author = {Wenjie Ai and Xiaoguang Tu and Shilei Cheng and Mei Xie},
journal= {arXiv preprint arXiv:2005.10455},
year = {2020}
}
备注
6 pages, 4 figures, Accepted by IEEE ICIP 2020