多分支残差特征蒸馏网络的图像超分辨重建

作者：李轩; 刘立柱^*

来源：小型微型计算机系统, 2023, 44(02): 363-369.

DOI：10.20009/j.cnki.21-1106/tp.2021-0570

• 图像超分辨率
• 多分支卷积
• 残差模块
• 注意力机制
• 特征蒸馏

近年来基于深度卷积神经网络的单幅图像超分辨率技术取得了很大进展.但特征提取方式单一，模型参数量大很难在移动端部署.为了解决这些问题，本文提出了一种多分支残差特征蒸馏算法.首先，通过多分支残差模块进行深层特征提取；其次，结合卷积、通道自适应激活函数和瓶颈注意力模块进行特征蒸馏及融合，减少平坦区域的大量冗余参数，在保证性能的同时降低模型复杂度；最后通过亚像素卷积层进行图像重建，得到最终的超分辨率图像.实验结果表明该算法在模型复杂度和性能上达到更好的平衡.与IMDN(Information Multi-distillation Network)相比，该算法的PSNR和SSIM分别有0.06～0.26dB与0.001～0.006的提升；在2倍超分重建结果中，与千万级参数量模型DBPN(Deep Back-Projection Networks)相比，本文算法参数量是其1/15,PSNR基本相同，SSIM提高0.001.

• 单位
  沈阳航空航天大学; 电子信息工程学院