科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络已在图像超分辨率领域得到广泛应用，Transformer近年来在该类图像处理任务中的扩展更是具有里程碑的意义，然而这些大型网络具有过多的参数量和计算量，在部署和应用上存在很大局限性。考虑到上述发展现状，研究提出一种基于交错组卷积与稀疏全局注意力的轻量级图像超分辨率重建网络，该网络引入了以交错组卷积为主的特征提取模块，在当中对Transformer的多头自注意力机制做出优化，设计了一种稀疏全局注意力机制以增强特征学习能力，并提出了一种多尺度特征重构模块提高重建效果。实验表明，在PSNR/SSIM性能指标上以及参数量/计算量上，研究所设计的网络对比其他几种基于深度神经网络的方法能够取得全面领先。而对比基于Transfomer的方法，在PSNR/SSIM指标上平均能够提高0.03/0.0002，在参数量/计算量及运行时间上平均降低了2.66M/130Flops和930ms。
- 单位
