| 基于CNN-Transformer混合構架的輕量圖像超分辨率方法 | |
| 所屬分類：技術論文 | |
| 上傳者：wwei | |
| 文檔大小：2458 K | |
| 標簽： 圖像超分辨率 輕量化 卷積神經網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對基于混合構架的圖像超分模型通常需要較高計算成本的問題，提出了一種基于CNN-Transformer混合構架的輕量圖像超分網絡STSR（Swin-Transformer-based Single Image Super-Resolution）。首先，提出了一種并行特征提取的特征增強模塊（Feature Enhancement Block，FEB），由卷積神經網絡（Convolutional Neural Network，CNN）和輕量型Transformer網絡并行地對輸入圖像進行特征提取，再將提取到的特征進行特征融合。其次，設計了一種動態調整模塊（Dynamic Adjustment，DA），使得網絡能根據輸入圖像來動態調整網絡的輸出，減少網絡對無關信息的依賴。最后，采用基準數據集來測試網絡的性能，實驗結果表明STSR在降低模型參數量的前提下仍然保持較好的重建效果。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2