计算机应用研究

作者：王拓然,程娜,丁士佳,王洪玉,

单位：大连理工大学信息与通信工程学院,辽宁大连116024；

关键词：图像超分辨率,轻量化模型,大核注意力,注意力融合特征提取,

基金：大连市科技创新基金资助项目(2022JJ11CG002)；大连市人工智能重点实验室资助项目；；

为了应对当前大型图像超分辨率模型参数过多难以部署，以及现有的轻量级图像超分辨率模型性能表现不佳的问题，提出了一种基于自适应注意力融合特征提取网络的图像超分辨率模型。该模型主要由一个大核注意力模块和多个高效注意力融合特征提取模块组成。首先，利用大核注意力模块进行浅层特征提取，然后将提取到的浅层特征信息输入级联的高效注意力融合特征提取模块进行深层特征提取、增强、细化和再分配的聚合操作。高效注意力融合特征提取模块由三个部分组成，分别是渐进式残差特征提取模块、通道对比度感知注意力模块和通道—空间联合注意力模块。该网络可以在利用少量参数的情况下实现更好的图像超分辨率性能，是一种表现优异的轻量级图像超分辨率模型。通过在流行的基准数据集上评估提出的方法，并与现有的一些方法进行对比，结果表明该方法的表现更优异。

来源：2023年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第11期