基于空洞卷积多尺度信息学习 Inception 模块的单图像超分辨率
计算机视觉与模式识别
2017-07-25 v1
摘要
传统工作表明，自然图像中的图像块往往在同一尺度内以及跨不同尺度上冗余地重复多次。充分利用这些多尺度信息可以提升图像复原性能。然而，当前提出的基于深度学习的复原方法并未考虑多尺度信息。在本文中，我们提出了一种基于空洞卷积的 Inception 模块来学习多尺度信息，并设计了一个用于单图像超分辨率的深度网络。不同的空洞卷积学习不同尺度的特征，随后 Inception 模块将所有这些特征拼接起来以融合多尺度信息。为了增加网络的感受野以捕获更多上下文信息，我们级联多个 Inception 模块构成一个深度网络来进行单图像超分辨率。凭借新颖的基于空洞卷积的 Inception 模块，所提出的端到端单图像超分辨率网络能够利用多尺度信息来提升图像超分辨率性能。实验结果表明，我们提出的方法优于许多 state-of-the-art 的单图像超分辨率方法。
引用
@article{arxiv.1707.07128,
title = {Single Image Super-Resolution with Dilated Convolution based Multi-Scale Information Learning Inception Module},
author = {Wuzhen Shi and Feng Jiang and Debin Zhao},
journal= {arXiv preprint arXiv:1707.07128},
year = {2017}
}
备注
This paper has been accepted by the IEEE International Conference on Image Processing (ICIP) 2017