模式识别与人工智能
2025年1月12日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (11): 972-980    DOI: 10.16451/j.cnki.issn1003-6059.202011002
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于递归多尺度卷积网络的图像超分辨率重建
高青青1, 赵建伟1, 周正华1
1.中国计量大学理学院应用数学系 杭州 310018
Image Super-Resolution Reconstruction Based on Recursive Multi-scale Convolutional Networks
GAO Qingqing1, ZHAO Jianwei1, ZHOU Zhenghua1
1. Department of Applied Mathematics,College of Sciences,China Jiliang University,Hangzhou 310018

全文: PDF (2434 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 不断加深网络的深度可提高网络的超分辨率重建效果,但是网络的加深会导致网络参数量急速增加,难以进行网络训练和内存存储.为了减小深度网络的参数规模并尽量保持网络的重建性能,基于递归和多尺度的思想,文中提出精简的基于递归多尺度卷积网络的图像超分辨率重建方法.首先利用多尺度模块充分提取图像在不同尺度下的特征信息,再通过递归操作实现网络规模的加深而不增加网络的参数量,最后将每次递归操作的输出进行特征融合,作为高分辨率图像重建的输入.实验表明,文中方法在网络参数量较少时重建效果较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
高青青
赵建伟
周正华
关键词 超分辨率重建深度学习递归多尺度    
Abstract:The performance of image super-resolution reconstruction networks is improved by deepening the depth.However,deepening the network makes the number of parameters increase rapidly,and thus it is hard to train the network and store the memory.To reduce the scale of the deep network and keep its reconstruction performance as much as possible,a concise recursive multi-scale convolutional network is proposed for super-resolution reconstruction based on the concepts of recursion and multi-scale.Firstly,the multi-scale module is employed to extract the features of the image with different scales.Then,the network is deepened by the recursive operation without increasing the number of network parameters.Finally,the outputs of each recursive operation are fused as the input for the reconstruction part.Experimental results show that the network parameters of the proposed method are fewer than those of some existing super-resolution methods with better reconstruction results.
Key wordsSuper-Resolution Reconstruction    Deep Learning    Recursion    Multi-scale   
收稿日期: 2020-07-31     
ZTFLH: TP391  
基金资助:国家自然科学基金项目(No.61571410)、浙江省自然科学基金项目(No.LY18F020018,LSY19F020001)资助
通讯作者: 赵建伟,博士,教授,主要研究方向为智能计算、图像处理等.E-mail:zhaojw@amss.ac.cn.   
作者简介: 高青青,硕士研究生,主要研究方向为智能计算、图像处理等.E-mail:792430879@qq.com.周正华,博士,副教授,主要研究方向为智能计算、图像处理等.E-mail:zzhzjw2003@163.com.
引用本文:   
高青青, 赵建伟, 周正华. 基于递归多尺度卷积网络的图像超分辨率重建[J]. 模式识别与人工智能, 2020, 33(11): 972-980. GAO Qingqing, ZHAO Jianwei, ZHOU Zhenghua. Image Super-Resolution Reconstruction Based on Recursive Multi-scale Convolutional Networks. , 2020, 33(11): 972-980.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202011002      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I11/972
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn