论文摘要
深层卷积神经网络在图像超分辨重建任务中取得了良好效果,虽然更深的网络结构有助于学习图像丰富的细节信息,但同时也会因为参数过多和梯度消失/梯度爆炸等问题使网络变得难以训练.针对这些问题,提出一种不过分依赖网络深度,对各卷积层利用率极高的总分式密集连接网络结构,该网络在局部结构中以级联的方式提取并融合临近卷积层的图像特征,再以局部残差结构降低网络的训练难度,缓解梯度消失/爆炸的问题;在全局结构中,同样以密集连接的方式对已学习到的局部特征进行再融合,最大程度的整合全局图像特征,提升网络学习效率.实验表明,在对比同等深度下不同网络模型的图像重建效果,所提出的算法能重建出质量更好的图像,网络对各卷积层学习到的图像特征利用率更高.
论文目录
文章来源
类型: 期刊论文
作者: 魏欣,郑玉甫
关键词: 超分辨重建,卷积神经网络,残差结构,密集连接网络,特征融合
来源: 兰州交通大学学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 兰州交通大学电子与信息工程学院
基金: 国家自然科学基金(61461025,6181150325)
分类号: TP391.41;TP183
页码: 43-49+55
总页数: 8
文件大小: 1600K
下载量: 33