宽激活用于高效准确图像超分辨率
计算机视觉与模式识别
2018-12-24 v2 图形学
摘要
在本报告中，我们证明在相同参数与计算预算下，ReLU 激活前具有更宽特征的模型在单幅图像超分辨率（SISR）上具有显著更好的性能。所得的 SR 残差网络具有纤细的恒等映射路径，且在每个残差块中激活前有更宽（ 到 ）的通道。为了进一步加宽激活（ 到 ）而无计算开销，我们将线性低秩卷积引入 SR 网络，并实现了更好的精度-效率权衡。此外，与批归一化或无归一化相比，我们发现使用权重归一化训练可为深度超分辨率网络带来更好精度。我们提出的 SR 网络 \textit{WDSR} 在大规模 DIV2K 图像超分辨率基准上以相同或更低计算复杂度在 PSNR 方面取得更好结果。基于 WDSR，我们的方法还在 NTIRE 2018 单幅图像超分辨率挑战赛的所有三个真实赛道中获得第一名。实验与消融研究支持了宽激活对图像超分辨率的重要性。代码发布于：https://github.com/JiahuiYu/wdsr_ntire2018
引用
@article{arxiv.1808.08718,
title = {Wide Activation for Efficient and Accurate Image Super-Resolution},
author = {Jiahui Yu and Yuchen Fan and Jianchao Yang and Ning Xu and Zhaowen Wang and Xinchao Wang and Thomas Huang},
journal= {arXiv preprint arXiv:1808.08718},
year = {2018}
}
备注
tech report and factsheet