|
1.
基于并列卷积神经网络的超分辨率重建
欧阳宁, 曾梦萍, 林乐平
计算机应用
2017, 37 (4):
1174-1178.
DOI: 10.11772/j.issn.1001-9081.2017.04.1174
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0.2 dB。
参考文献 |
相关文章 |
多维度评价
|
|