基于Transformer-CNN的轻量级图像超分辨率重建网络

作者：陈豪; 夏振平^*; 程成; 林李兴; 张博文

来源：计算机应用, 2023, 1-10.

• 图像超分辨率
• 深度学习
• Transformer
• 卷积神经网络
• 轻量级

针对现有超分辨率重建网络具有较高的计算复杂度和存在大量内存消耗的问题，提出了一种基于TransformerCNN的轻量级图像超分辨率重建网络，使其更适合应用于移动平台等嵌入式终端。首先，提出了一个基于Transformer-CNN的混合模块，增强网络捕获局部-全局深度特征的能力；然后，提出了一个改进的倒置残差块，特别关注高频区域的特征，实现了特征提取能力的提升和推理时间的降低；最后，探索激活函数的最佳选择，采用GELU激活函数进一步提高网络性能。所提网络可以在图像超分辨率性能和网络复杂度之间取得很好的平衡，而且在基准数据集Urban100上4倍超分辨率达到90frame/s，比优秀网络SwinIR快11倍。实验结果表明，该网络能够高效地重建图像的纹理和细节，并减少大量的推理时间。

• 单位
  苏州科技大学