-
题名基于自注意力特征蒸馏的轻量级图像超分辨率重建
- 1
-
-
作者
赵瑶谦
滕奇志
何小海
税爱
陈洪刚
-
机构
四川大学电子信息学院
四川德爱鑫玛机器有限公司
-
出处
《计算机工程》
北大核心
2025年第5期257-265,共9页
-
基金
国家自然科学基金(62001316)
四川省科技计划(2024YFHZ0212)
四川大学遂宁市校市战略合作“揭榜挂帅”科技项目(2022CDSN-15)。
-
文摘
单幅图像超分辨率(SISR)旨在从给定的低分辨率(LR)图像中重建出高分辨率(HR)图像。近年来,基于深度学习的SISR算法取得了出色的重建效果,引起了广泛关注。然而,大多数基于深度学习的SISR算法存在复杂度高、参数量大等问题,影响实际应用。为了克服以上问题,提出一种基于自注意力特征蒸馏的模块,在降低模型复杂度的同时充分提取图像深层特征,实现轻量化的超分辨率重建。该模块包含2个技术创新:一是在全局注意力的计算中提出基于非对称卷积的前馈网络,利用非对称卷积优越的非线性特征提取能力压缩输入通道,节省计算开销;二是在空间注意力模块中引入部分通道位移操作,在不增加计算量的同时,通过位移部分通道达到提高特征多样性的目的。在6个常用公开数据集上的超分辨率实验结果表明,相比于CARN、SMSR、DLGSANet等具有代表性的轻量级SISR算法,所提算法在峰值信噪比(PSNR)、结构相似度(SSIM)、LPIPS评价指标上取得了更好的表现,同时重建结果的主观视觉效果更优,更好地平衡了模型复杂度与重建性能。
-
关键词
图像超分辨率
特征蒸馏
深度学习
非对称卷积
自注意力
-
Keywords
image super-resolution
feature distillation
deep learning
asymmetric convolution
self-attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
