基于递归残差网络的图像超分辨率重建

• Published in: 自动化学报 Vol. 45; no. 6; pp. 1157 - 1165
• Main Authors: 周登文, 赵丽娟, 段然, 柴晓亮
• Format: Journal Article
• Language: Chinese
• Published: 华北电力大学控制与计算机工程学院 北京 102206 2019
• Subjects: 递归结构; 残差学习; 卷积神经网络; 深度学习; 超分辨率

深度卷积神经网络在单图像超分辨率重建方面取得了卓越成就,但其良好表现通常以巨大的参数数量为代价.本文提出一种简洁紧凑型递归残差网络结构,该网络通过局部残差学习减轻训练深层网络的困难,引入递归结构保证增加深度的同时控制模型参数数量,采用可调梯度裁剪方法防止产生梯度消失/梯度爆炸,使用反卷积层在网络末端直接上采样图像到超分辨率输出图像.基准测试表明,本文在重建出同等质量超分辨率图像的前提下,参数数量及计算复杂度分别仅为VDSR方法的1/10和1/(2n2)....