基于并列卷积神经网络的超分辨率重建

发布时间：2018-03-04 18:19

本文选题：并列卷积神经网络　切入点：残差网络　出处：《计算机应用》2017年04期 　论文类型：期刊论文

【摘要】：为提取更多有效特征并提高模型训练的收敛速度,提出一种基于并列卷积神经网络的超分辨率重建方法。该网络由两路不同结构的网络组成:一路为简单的残差网络,其优化残差映射比原始的映射更容易实现;另一路为增加了非线性映射的卷积神经网络,增强了网络的非线性能力。随着并行网络结构的复杂化,收敛速度慢成为突出问题。针对这个问题,在卷积层后添加正则化处理,以简化模型参数、增强特征拟合能力,最终达到加快收敛的目的。实验结果表明,与基于深度卷积神经网络算法相比,该网络结构收敛速度更快,主观视觉效果更好,峰值信噪比(PSNR)平均提高了0.2dB。
[Abstract]:In order to extract more effective features and improve the convergence speed of model training, a super-resolution reconstruction method based on parallel convolution neural network is proposed. The optimized residual mapping is easier to realize than the original mapping, and the convolution neural network, which increases the nonlinear mapping, enhances the nonlinear ability of the network. The slow convergence speed becomes a prominent problem. To solve this problem, regularization is added after convolution layer to simplify the model parameters and enhance the ability of feature fitting. Finally, the purpose of accelerating convergence is achieved. The experimental results show that, Compared with the algorithm based on the deep convolution neural network, the convergence speed of the network structure is faster, the subjective visual effect is better, and the PSNRs are increased by 0.2 dB on average.
【作者单位】：认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学);桂林电子科技大学信息与通信学院;
【基金】：国家自然科学基金资助项目(61362021,61661017) 广西自然科学基金资助项目(2013GXNSFDA019030,2014GXNSFDA118035) 认知无线电与信号处理重点实验室主任基金资助项目(CRKL160104) 广西科技创新能力与条件建设计划项目(桂科能1598025-21) 桂林科技开发项目(20150103-6) 桂林电子科技大学研究生教育创新计划项目(YJCXS201534)~~
【分类号】：TP391.41;TP183

【相似文献】