Cross-domain heterogeneous residual network for single image super-resolution

残余物 计算机科学 水准点(测量) 人工智能 特征(语言学) 领域(数学分析) 图像(数学) 模式识别(心理学) 编码(集合论) 深度学习 数据挖掘 机器学习 算法 数学 地理 程序设计语言 数学分析 集合(抽象数据类型) 哲学 语言学 大地测量学
作者
Li Ji,Qinghui Zhu,Yongqin Zhang,Juanjuan Yin,Ruyi Wei,Jinsheng Xiao,Deqiang Xiao,Guoying Zhao
出处
期刊:Neural Networks [Elsevier]
卷期号:149: 84-94 被引量:20
标识
DOI:10.1016/j.neunet.2022.02.008
摘要

Single image super-resolution is an ill-posed problem, whose purpose is to acquire a high-resolution image from its degraded observation. Existing deep learning-based methods are compromised on their performance and speed due to the heavy design (i.e., huge model size) of networks. In this paper, we propose a novel high-performance cross-domain heterogeneous residual network for super-resolved image reconstruction. Our network models heterogeneous residuals between different feature layers by hierarchical residual learning. In outer residual learning, dual-domain enhancement modules extract the frequency-domain information to reinforce the space-domain features of network mapping. In middle residual learning, wide-activated residual-in-residual dense blocks are constructed by concatenating the outputs from previous blocks as the inputs into all subsequent blocks for better parameter efficacy. In inner residual learning, wide-activated residual attention blocks are introduced to capture direction- and location-aware feature maps. The proposed method was evaluated on four benchmark datasets, indicating that it can construct the high-quality super-resolved images and achieve the state-of-the-art performance. Code and pre-trained models are available at https://github.com/zhangyongqin/HRN.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ppppppp_76完成签到 ,获得积分10
1秒前
RONG发布了新的文献求助30
1秒前
1秒前
1秒前
美乐蒂应助这样23采纳,获得10
2秒前
ALIVE_STAR完成签到,获得积分10
2秒前
2秒前
希望天下0贩的0应助liyi2022采纳,获得10
2秒前
2秒前
明理的芙芙完成签到,获得积分10
2秒前
桐桐应助娃哈哈采纳,获得10
3秒前
NexusExplorer应助温暖霸采纳,获得10
4秒前
4秒前
xiu-er发布了新的文献求助10
4秒前
Ren发布了新的文献求助10
5秒前
5秒前
5秒前
脑洞疼应助RJL采纳,获得10
5秒前
笑点低虔发布了新的文献求助10
6秒前
6秒前
香蕉觅云应助看文献的狗采纳,获得10
6秒前
小二郎应助明理迎曼采纳,获得10
6秒前
打打应助酷酷酷采纳,获得10
6秒前
asdxsweef应助lfg采纳,获得10
6秒前
chao2333完成签到 ,获得积分10
6秒前
7秒前
8秒前
lyz666发布了新的文献求助10
8秒前
谨慎冬莲发布了新的文献求助50
8秒前
美伢完成签到,获得积分10
8秒前
woo完成签到,获得积分10
8秒前
8秒前
刘萌萌发布了新的文献求助10
9秒前
子车茗应助平凡不平庸采纳,获得30
9秒前
10秒前
10秒前
欢呼的念瑶完成签到,获得积分10
10秒前
耍酷问兰完成签到,获得积分10
10秒前
爆米花应助玥来玥好采纳,获得10
11秒前
要减肥千筹完成签到,获得积分10
11秒前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Effect of reactor temperature on FCC yield 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1020
Impiego dell’associazione acetazolamide/pentossifillina nel trattamento dell’ipoacusia improvvisa idiopatica in pazienti affetti da glaucoma cronico 900
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
錢鍾書楊絳親友書札 600
金属中的晶界偏聚 450
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3296818
求助须知:如何正确求助?哪些是违规求助? 2932518
关于积分的说明 8457314
捐赠科研通 2605021
什么是DOI,文献DOI怎么找? 1422147
科研通“疑难数据库(出版商)”最低求助积分说明 661308
邀请新用户注册赠送积分活动 644397