基于CNN-Transformer混合构架的轻量图像超分辨率方法AET-电子技术应用-最丰富的电子设计资源平台

基于CNN-Transformer混合构架的轻量图像超分辨率方法
所属分类：技术论文
上传者：wwei
文档大小：2458 K
标签：图像超分辨率轻量化卷积神经网络
所需积分：0分积分不够怎么办？
文档介绍：针对基于混合构架的图像超分模型通常需要较高计算成本的问题，提出了一种基于CNN-Transformer混合构架的轻量图像超分网络STSR（Swin-Transformer-based Single Image Super-Resolution）。首先，提出了一种并行特征提取的特征增强模块（Feature Enhancement Block，FEB），由卷积神经网络（Convolutional Neural Network，CNN）和轻量型Transformer网络并行地对输入图像进行特征提取，再将提取到的特征进行特征融合。其次，设计了一种动态调整模块（Dynamic Adjustment，DA），使得网络能根据输入图像来动态调整网络的输出，减少网络对无关信息的依赖。最后，采用基准数据集来测试网络的性能，实验结果表明STSR在降低模型参数量的前提下仍然保持较好的重建效果。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动