计算机应用

作者：陈豪, 夏振平, 程成, 林李兴, 张博文

单位：1.苏州科技大学 电子与信息工程学院，江苏 苏州 215009；2.苏州科技大学 物理科学与技术学院，江苏 苏州 215009

关键词：图像超分辨率,深度学习,Transformer,卷积神经网络,轻量级

基金：国家自然科学基金资助项目(62002254);江苏省自然科学基金资助项目(BK20200988);江苏省研究生科研与实践创新计划项目(SJCX21_1424)

针对现有超分辨率重建网络具有较高的计算复杂度和存在大量内存消耗的问题，提出了一种基于Transformer-CNN的轻量级图像超分辨率重建网络，使超分辨率重建网络更适合应用于移动平台等嵌入式终端。首先，提出了一个基于Transformer-CNN的混合模块，从而增强网络捕获局部-全局深度特征的能力；其次，提出了一个改进的倒置残差块来特别关注高频区域的特征，以提升特征提取能力和减少推理时间；最后，在探索激活函数的最佳选择后，采用GELU （Gaussian Error Linear Unit）激活函数来进一步提高网络性能。实验结果表明，所提网络可以在图像超分辨率性能和网络复杂度之间取得很好的平衡，而且在基准数据集Urban100上4倍超分辨率的推理速度达到91 frame/s，比优秀网络SwinIR （Image Restoration using Swin transformer）快11倍，表明所提网络能够高效地重建图像的纹理和细节，并减少大量的推理时间。

来源：2024年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第1期