-
题名基于并列卷积神经网络的超分辨率重建
被引量：3
- 1
-
-
作者
欧阳宁
曾梦萍
林乐平
-
机构
认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学)
桂林电子科技大学信息与通信学院
-
出处
《计算机应用》
CSCD
北大核心
2017年第4期1174-1178,共5页
-
基金
国家自然科学基金资助项目(61362021
61661017)
+5 种基金
广西自然科学基金资助项目(2013GXNSFDA019030
2014GXNSFDA118035)
认知无线电与信号处理重点实验室主任基金资助项目(CRKL160104)
广西科技创新能力与条件建设计划项目(桂科能1598025-21)
桂林科技开发项目(20150103-6)
桂林电子科技大学研究生教育创新计划项目(YJCXS201534)~~
-
文摘
为提取更多有效特征并提高模型训练的收敛速度,提出一种基于并列卷积神经网络的超分辨率重建方法。该网络由两路不同结构的网络组成:一路为简单的残差网络,其优化残差映射比原始的映射更容易实现;另一路为增加了非线性映射的卷积神经网络,增强了网络的非线性能力。随着并行网络结构的复杂化,收敛速度慢成为突出问题。针对这个问题,在卷积层后添加正则化处理,以简化模型参数、增强特征拟合能力,最终达到加快收敛的目的。实验结果表明,与基于深度卷积神经网络算法相比,该网络结构收敛速度更快,主观视觉效果更好,峰值信噪比(PSNR)平均提高了0.2dB。
-
关键词
并列卷积神经网络
残差网络
非线性映射
正则化处理
收敛速度
-
Keywords
parallel convolution neural network
residual network
nonlinear mapping
Local Response Normalization（LRN）
convergence speed
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
