Residual Local Feature Network for Efficient Super-Resolution 超分辨率处理论文

最新推荐文章于 2024-06-18 22:15:00 发布

skyfengye

最新推荐文章于 2024-06-18 22:15:00 发布

阅读量814

点赞数

CC 4.0 BY-SA版权

分类专栏：论文推荐文章标签：深度学习计算机视觉人工智能

本文链接：https://blog.csdn.net/nijiayan123/article/details/124984472

论文推荐专栏收录该内容

32 篇文章

订阅专栏

最近我看到一篇关于超分辨率处理的论文，感觉这篇论文对于语义分割很有参考意义，所以在这里分享给大家，希望大家对对于分割方面有借鉴意义。

对于超分辨率方法我个人不是很了解，在这里我就不细说，以免说错出丑。大家可以看一下上面提到的论文。

这篇文章主要针对的是图像超分辨率领域部署难得问题，提出了一种轻量级得残差局部特征网络（RLFN)

网络框架如上图所示，RLFN由三个简单得部分组成：首先是大小为3×3得卷积，用以提取浅层特征，包含丰富得边缘与细节信息得特征，然后是多个RLFB 模块进行深度特征提取，该部分是网络得核心构件；最后则是图像重建块，用以生成最终得输出。在重建之前，一个大小为3×3得卷积被用以细化连接后得深层特征。具体细节大家可以看一下论文。

在这里我想说得是，该作者在这里提出得模块，对于获取浅层特征细节大有帮助，我想到能不能把这个模块应用到语义分割中呢，因此在语义分割中特征提取阶段，对于浅层特征得获取也是十分重要得。以后我会尝试一下。