摘要
目前的超分辨率方法一般是通过加深网络深度或宽度来提高性能,存在运行时间长、计算力资源大幅增加等缺点.因此设计了一种轻量级的变形卷积网络LDCN(Lightweight deformable convolutional network),以普通卷积和变形卷积为基础组件,以改进的知识蒸馏方式进行连接,同时提出一种增强的特征注意力融合模块,能够自适应地为特征分配权重,提高特征融合效率.实验结果表明,所提出的LDCN能够在使用较小参数量的同时提高重建图像的PSNR和SSIM,主观视觉效果也有所提高.
NETL
NSTL
维普
万方数据