-
题名用于图像超分辨率的轻量化特征蒸馏注意力网络
- 1
-
-
作者
常开荣
孙俊
胡明志
-
机构
昆明理工大学信息工程与自动化学院
-
出处
《陕西理工大学学报（自然科学版）》
2024年第6期56-64,81,共10页
-
基金
云南省基础研究计划项目(202401AT070355)。
-
文摘
针对现有的图像超分辨率网络存在图像细节特征恢复能力较弱、参数量大、计算成本高的问题,提出了一种轻量化特征蒸馏注意力网络(LRFDAN)。首先,设计了新颖的残差特征蒸馏模块进行有效特征提取;其次,利用蓝图可分离卷积替代标准卷积以减少计算和内存需求;最后,注意力机制被集成到模型中,进一步增强模型重构能力。所提出的模型在5种基准测试数据集上进行性能验证,定量结果分析与视觉效果比较表明,与其他深度神经网络模型相比,LRFDAN在保持更好的性能和主观视觉效果的同时,大大减少了参数与计算量。进一步表明了所提出的模型在图像质量和计算效率方面的有效性。
-
关键词
深度学习
单图像超分辨率重构
轻量化
深度特征蒸馏
注意力机制
-
Keywords
deep learning
single image super resolution
lightweighting
deep feature distillation
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
