简介
简介:在SRGAN的残差连接中加入了CBAM注意力机制,同时设计了四类损失来训练。
论文题目:Super-resolution Generative Adversarial Networks Based on Attention Model(基于注意力模型的超分辨率生成对抗网络)
会议:2020 IEEE第六届计算机与通信国际会议
摘要:基于注意力模型的超分辨率生成对抗网络超分辨率重建的目的是将一张或多张低分辨率图像重建成一张高分辨率图像。 在本文中,我们提出了一种改进的基于注意力模型的超分辨率生成对抗网络。 在生成式对抗网络(GAN)中,注意模型可以用来提取重要特征,抑制不重要特征,从而保证网络重构的质量,优化生成器的网络结构。 实验结果表明,在Set5数据集上,使用注意力模型可以使用较少的残差块进行训练,并且重构所需的时间较少。 这也意味着更少的参数和更少的计算。 对Set14和BSD100数据集上选取的图像进行重构,重构时间也缩短了。
订阅专栏 解锁全文
805



被折叠的 条评论
为什么被折叠?



