计算机工程

作者：张法正, 杨娟, 汪荣贵, 薛丽霞

单位：合肥工业大学 计算机与信息学院, 合肥 230009

关键词：超分辨率重建,轻量化网络,动态自适应层叠网络,动态卷积,注意力机制,深度学习

基金：国家自然科学基金（62106064）；国家重点研发计划（2020YFC1512601）。

轻量化超分辨率网络对安防监控、实时人脸识别等领域具有重要意义。然而，现有超分辨率重建网络以牺牲内存和计算成本为代价提高重建效果，从而限制其在实际场景中的应用。提出基于动态自适应层叠网络的轻量化超分辨率重建网络。利用双路残差块中的深度可分离卷积提取低频特征，并引入像素注意力机制获取更丰富的细节特征，以减少参数量并增强网络的重建能力。将双路残差块中的一部分卷积参数作为动态卷积核的子卷积，并与动态自适应模块共享，利用可学习参数调节共享卷积的权重，增强网络的非线性映射关系，充分提取图像的纹理细节信息。实验结果表明，相比VDSR、CARN、PAN等网络，该网络重建得到的图像纹理更接近原始图像，其参数量仅为传统轻量化网络CARN的1/2，在放大因子为4的Set5数据集上峰值信噪比相比CARN提高0.16 dB。

来源：2022年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第12期