基于CNN-Transformer混合構(gòu)架的輕量圖像超分辨率方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>2458 K
標簽： 圖像超分辨率 輕量化 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：針對基于混合構(gòu)架的圖像超分模型通常需要較高計算成本的問題，提出了一種基于CNN-Transformer混合構(gòu)架的輕量圖像超分網(wǎng)絡(luò)STSR（Swin-Transformer-based Single Image Super-Resolution）。首先，提出了一種并行特征提取的特征增強模塊（Feature Enhancement Block，F(xiàn)EB），由卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）和輕量型Transformer網(wǎng)絡(luò)并行地對輸入圖像進行特征提取，再將提取到的特征進行特征融合。其次，設(shè)計了一種動態(tài)調(diào)整模塊（Dynamic Adjustment，DA），使得網(wǎng)絡(luò)能根據(jù)輸入圖像來動態(tài)調(diào)整網(wǎng)絡(luò)的輸出，減少網(wǎng)絡(luò)對無關(guān)信息的依賴。最后，采用基準數(shù)據(jù)集來測試網(wǎng)絡(luò)的性能，實驗結(jié)果表明STSR在降低模型參數(shù)量的前提下仍然保持較好的重建效果。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。