基于多尺度递归密集网络的单图像超分辨率算法

来源 :山西大学学报(自然科学版) | 被引量 : 0次 | 上传用户:zhaoshuanghong
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
深度神经网络可以极大地提高单图像超分辨率的质量,盲目地增加网络的深度不能有效地改善网络。文章针对单图像超分辨率任务提出了一种新颖的深度多尺度递归密集网络(multi-scale recursive dense network,MSRDN),首先构造一个浅层特征提取模块来初步提取粗糙特征,然后将粗糙特征输入到多尺度密集模块(multi-scale dense blocks,MSDBs)群中。每个MSDB都包含一个双旁路子网和一个通道注意力机制,其中前者能通过密集的跳跃连接将不同尺度的特征混合在一起,后
其他文献
Suzuki-Miyaura偶联是一种形成碳一碳键、合成联芳基化合物的有效方法,与传统的卤代烃相比,芳香胺类化合物更容易获得,价格上更为便宜,相应的中间体重氮盐在偶联反应中的活性
为实现云存储中的细粒度的访问控制,属性基加密(ABE)被提出,并逐渐成为云环境中最具发展前景的加密算法.但由于ABE采用了双线性对运算,计算效率较低,阻碍ABE在实际中的广泛应
研究一类分数阶微分方程边值问题,利用集合Ph,e上新的不动点定理给出了这类边值问题解的存在性与唯一性结论,并构造了迭代序列来逼近唯一解.最后以一个分数阶三点边值问题为
针对传统的多分类模型学习效率较低,对于复杂的多类别数据无法进行高效分类的问题,提出了一种基于支撑向量机(Support Vector Machine,SVM)的主动多分类方法.该方法通过引入
在许多实际应用领域,特征随时间逐个流进特征空间并需及时进行在线选择,称为在线流特征选择.现有基于邻域粗糙集的在线流特征选择算法,仅考虑条件属性子集正域中包含的信息,
K-近邻技术被广泛用于分类、推荐等热点问题,但针对多元时序数据状态预测问题的解决方案相对较少.文章在三支决策思想的指导下,提出了一种新的状态预测算法及其三支划分策略,
高性能的软件缺陷预测模型可为软件自动化测试奠定重要的基础.当前的软件缺陷预测模型主要采用机器学习分类算法进行构建.其中,基于集成学习的软件缺陷预测模型通常可以达到
文章研究了一类食饵具有避难和强Allee的时滞捕食者-食饵扩散模型.首先,考虑对应的常微分系统,计算出其平衡点的表达式并讨论了这些平衡点的类型及稳定性,其次,讨论了时滞和
针对基本萤火虫算法存在局部开采能力不强,并且容易陷入局部极值等问题,提出一种多样性增强的混合萤火虫算法(diversity-enhanced hybrid firefly algorithm,DeHFA).为提高萤
文章研究了圆局部竞赛图的最小控制集.通过对非强连通圆的纯粹局部竞赛图、强连通的圆的纯粹局部竞赛图,以及圆的竞赛图三个子图类的分析,完全刻画了圆局部竞赛图最小控制集