基于RNN与级联损失函数的图像超分辨率研究

扫码查看

原文链接

万方数据
维普

中文摘要：为了获取具有更丰富细节和更清晰纹理的超分辨率图像,提出一种融合循环神经网络(RNN)与级联损失函数的超分辨率重建网络(RLNN).相较于传统的RNN方法,所提出的网络架构主要实现了两大创新.首先,将RNN的每一次迭代与级联损失函数紧密集成,通过这种方式,不仅提高了网络在超分辨率重建过程中的精度,还增强了其对复杂图像特征的捕捉能力.其次,设计了一种新颖的隐藏模块(HM),结合了空间-通道注意力机制与局部密集跳跃连接网络,有效提升了网络在特征提取与重用方面的性能.为了进一步优化网络的学习过程,还引入了一种课程学习策略,使网络能够逐步适应并处理更加复杂的任务.实验结果证明,所提出的RLNN网络在图像超分辨率任务上表现出极好的重建效果.

作者：

曾强、刘晓群、郝娟

展开 >

作者单位：

河北建筑工程学院河北张家口 075000

关键词：

卷积神经网络超分辨率重建循环神经网络级联损失函数密集跳跃连接空间-通道注意力机制课程学习策略

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.10.018

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(10)