-
题名基于多域信息增强的轻量级图像超分辨率网络
- 1
-
-
作者
寇旗旗
刘规
江鹤
陈亮亮
程德强
-
机构
中国矿业大学计算机科学与技术学院
中国矿业大学信息与控制工程学院
-
出处
《通信学报》
北大核心
2025年第4期144-159,共16页
-
基金
国家自然科学基金资助项目(No.52204177,No.52304182)
济宁市重点研发基金资助项目(No.2021KJHZ013,No.2023KJHZ007)。
-
文摘
针对单幅图像超分辨率重建任务中单域特征的重建能力受限以及深度卷积神经网络参数众多、计算量大导致的难以部署到移动端的问题,提出了一种基于多域信息增强的轻量级图像超分辨率网络。从空域、频域和转换域3个维度入手,设计了空域多路大核特征提取技术、局部信息增强注意力、频域分频特征增强技术以及转换域基于高频特征模拟技术。通过不同特征域的信息处理,针对全局与局部的低频和高频特征进行精准优化,从而提升模型在细节恢复与图像重建中的表现。与现有先进算法在公认基准数据集上进行充分的实验对比和分析,结果表明所提网络模型能够实现优异的重建效果,且在性能与效率之间也实现了出色的平衡。
-
关键词
计算机视觉
超分辨率
多域信息增强
注意力
轻量级
-
Keywords
computer vision
super resolution
multi-domain information enhancement
attention
lightweight
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多尺度与反复注意力机制的矿井图像分类
- 2
-
-
作者
李辉
刘规
袁航
王雨晨
-
机构
安徽界沟矿业有限公司界沟煤矿
中国矿业大学信息与控制工程学院
-
出处
《现代矿业》
CAS
2022年第8期248-251,共4页
-
基金
国家重点研发计划(编号:2018YFC0808302)。
-
文摘
精确煤矸石分类及识别是煤矿安全精准开采有待解决的重要问题,残差网络在图像分类任务中表现出巨大的优势。利用残差网络并克服其在特征提取方面的不足,提出了一种矿井图像分类模型。该模型结合了多尺度思想以及反复注意力方法,同时,还将ResNet网络特征提取法加入到模型当中。除此之外,模型还加入了跳跃连接,可以实现减少模型计算量的功能。基于真实的实验数据,本模型相比其它分类模型准确率提高了3%。
-
关键词
煤矸石
图像分类
反复注意力
特征提取
-
Keywords
coal gangue
image classification
repeated attention
feature extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TD82
[矿业工程—煤矿开采]
-
