摘要
近年来,基于卷积神经网络(CNN)的单幅图像超分辨率重构得到了广泛应用﹒然而,随着网络不断加深,也同时出现了参数过多、计算代价过大和难以训练等问题﹒为解决上述问题,提出一种新的深度残差密集网络(DRDN)框架并应用于单幅图像超分辨率重建﹒首先,网络通过密集连接充分利用了低分辨率图像从浅层到深层的各层特征,为超分辨率重构提供更多的低分辨率图像信息;其次,为了充分融合全局特征信息,通过残差学习的方式进行融合重构,同时为了缓解深层网络带来的训练困难等问题,网络采用多路跳步连接,使误差更加快速地传到各层网络;最后,将该方法与深度递归残差网络(DRRN)方法在公共数据集上进行了实验比较,结果表明DRDN...
学科与关键词
关键词
卷积神经网络深度学习残差学习深度残差密集网络 convolutional neural network(CNN)deep learningresidual learningdeep residual dense network(DRDN)
- 基于深度学习的图像超分辨率重建方法综述陈文静; 唐轶云南民族大学学报(自然科学版), 2019, (06): 597-605.
- 基于Dirac残差模块的单幅图像超分辨率重建谢堂鑫; 杨欣; 朱松岩; 周大可; 朱晨云南民族大学学报(自然科学版), 2019, (06): 618-623.
- 多阶段融合网络的图像超分辨率重建沈明玉; 俞鹏飞; 汪荣贵; 杨娟*; 薛丽霞中国图象图形学报, 2019, 24(08): 1258-1269.
