面向遥感图像超分辨率的更宽通道注意力网络
计算机视觉与模式识别
2019-01-03 v2 图像与视频处理
摘要
近年来，深度卷积神经网络（CNNs）在包括超分辨率（SR）在内的图像处理任务中取得了令人瞩目的结果。然而，大多数基于 CNN 的 SR 方法在各通道上对低分辨率（LR）输入与特征同等对待，很少注意到由激活函数引起的信息流损失，也未能充分利用 CNN 的表征能力。在本文中，我们提出一种用于遥感图像的单图像超分辨率（SISR）算法，称为更宽通道注意力网络（WCAN）。首先，利用通道注意力机制在更宽注意力块（WAB）中部自适应地重新校准各通道的重要性。其次，我们提出局部记忆连接（LMC）以增强信息流。最后，融合每个 WAB 内的特征，以利用网络的表征能力并进一步改善信息与梯度流。在公开遥感数据集（UC Merced）上的分析实验表明，相较于大多数当前最优（state-of-the-art）方法，我们的 WCAN 取得了更好的精度与视觉改善。
引用
@article{arxiv.1812.05329,
title = {Wider Channel Attention Network for Remote Sensing Image Super-resolution},
author = {Jun Gu and Guangluan Xu and Yue Zhang and Xian Sun and Ran Wen and Lei Wang},
journal= {arXiv preprint arXiv:1812.05329},
year = {2019}
}
备注
This work is proposed for remote sensing images, but the idea of the whole paper do not foucs on the characteristics of remote sensing images. The content of the article does not match the title. In this case, we want to do some experiments on the natural images to verify the three tricks in our work