| 基于递归残差网络的图像超分辨率重建 |
| |
| 引用本文： | 周登文, 赵丽娟, 段然, 柴晓亮. 基于递归残差网络的图像超分辨率重建. 自动化学报, 2019, 45(6): 1157-1165. doi: 10.16383/j.aas.c180334 |
| |
| 作者姓名： | 周登文 赵丽娟 段然 柴晓亮 |
| |
| 作者单位： | 华北电力大学控制与计算机工程学院 北京 102206 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金2018ZD06北京市自然科学基金4162056 |
| |
| 摘 要： | 
深度卷积神经网络在单图像超分辨率重建方面取得了卓越成就,但其良好表现通常以巨大的参数数量为代价.本文提出一种简洁紧凑型递归残差网络结构,该网络通过局部残差学习减轻训练深层网络的困难,引入递归结构保证增加深度的同时控制模型参数数量,采用可调梯度裁剪方法防止产生梯度消失/梯度爆炸,使用反卷积层在网络末端直接上采样图像到超分辨率输出图像.基准测试表明,本文在重建出同等质量超分辨率图像的前提下,参数数量及计算复杂度分别仅为VDSR方法的1/10和1/（2n2）.
|
| 关 键 词： | 递归结构 残差学习 卷积神经网络 深度学习 超分辨率 |
| 收稿时间： | 2018-05-22 |
|
| 点击此处可从《自动化学报》浏览原始摘要信息 |
|
点击此处可从《自动化学报》下载免费的PDF全文 |
|
