基于CNN-Transformer混合构架的轻量图像超分辨率方法
网络安全与数据治理
林承浩，吴丽君
福州大学物理与信息工程学院
摘要： 针对基于混合构架的图像超分模型通常需要较高计算成本的问题，提出了一种基于CNN-Transformer混合构架的轻量图像超分网络STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一种并行特征提取的特征增强模块（Feature Enhancement Block，FEB），由卷积神经网络（Convolutional Neural Network，CNN）和轻量型Transformer网络并行地对输入图像进行特征提取，再将提取到的特征进行特征融合。其次，设计了一种动态调整模块（Dynamic Adjustment，DA），使得网络能根据输入图像来动态调整网络的输出，减少网络对无关信息的依赖。最后，采用基准数据集来测试网络的性能，实验结果表明STSR在降低模型参数量的前提下仍然保持较好的重建效果。
中圖分類號：TP391文獻標識碼：ADOI:10.19358/j.issn.2097-1788.2024.03.005
引用格式：林承浩，吳麗君.基于CNN-Transformer混合構架的輕量圖像超分辨率方法［J］.網絡安全與數據治理，2024，43（3）：27-33.
引用格式：林承浩，吳麗君.基于CNN-Transformer混合構架的輕量圖像超分辨率方法［J］.網絡安全與數據治理，2024，43（3）：27-33.
A lightweight image super resolution method based on a hybrid CNN-Transformer architecture
Lin Chenghao, Wu Lijun
School of Physics and Information Engineering, Fuzhou University
Abstract： In order to address the problem that image super segmentation models based on hybrid architectures usually require high computational cost, this study proposes a lightweight image super segmentation network STSR (Swin Transformer based Single Image Super Resolution) based on a hybrid CNN-Transformer architecture. Firstly, this paper proposes a Feature Enhancement Block (FEB) for parallel feature extraction, which consists of a Convolutional Neural Network (CNN) and a lightweight Transformer Network to extract features from the input image in parallel, and then the extracted features are fused to the features. Secondly, this paper designs a Dynamic Adjustment (DA) module, which enables the network to dynamically adjust the output of the network according to the input image, reducing the network's dependence on irrelevant information. Finally, some benchmark datasets are used to test the performance of the network, and the experimental results show that STSR still maintains a better reconstruction effect under the premise of reducing the number of model parameters.
Key words : image superresolution; lightweighting; Convolutional Neural Network; Transformer
引言
圖像超分辨率(Super Resolution, SR)是一項被廣泛關注的計算機視覺任務，其目的是從低分辨率(Low Resolution, LR)圖像中重建出高質量的高分辨率（High Resolution, HR）圖像［1］。由于建出高質量的高分辨率圖像具有不適定的性質，因此極具挑戰性［2］。隨著深度學習等新興技術的崛起，許多基于卷積神經網絡(CNN)的方法被引入到圖像超分任務中［3-6］。SRCNN［3］首次將卷積神經網絡引入到圖像超分任務中，用卷積神經網絡來學習圖像的特征表示，并通過卷積層的堆疊來逐步提取更高級別的特征，使得重建出的圖像具有較高的質量。在后續研究中，Kaiming He等人提出了殘差結構ResNet［5］，通過引入跳躍連接，允許梯度能夠跨越層進行傳播，有助于減輕梯度消失的問題，使得模型在較深的網絡情況下仍然能保持較好的性能。Bee Lim等人在EDSR［6］中也引入了殘差結構，EDSR實際上是SRResnet［7］的改進版，去除了傳統殘差網絡中的BN層，在節省下來的空間中擴展模型尺寸來增強表現力。RCAN［8］中提出了一種基于Residual in Residual結構（RIR）和通道注意力機制（CA）的深度殘差網絡。雖然這些模型在當時取得了較好的效果，但本質上都是基于CNN網絡的模型，網絡中卷積核的大小會限制可以檢測的空間范圍，導致無法捕捉到長距離的依賴關系，意味著它們只能提取到局部特征，無法獲取全局的信息，不利于紋理細節的恢復，使得圖像重建的效果不佳［5］。
本文詳細內容請下載：
http://m.tom3567.com/resource/share/2000005931
作者信息：
林承浩，吳麗君
福州大學物理與信息工程學院，福建福州350108
此內容為AET網站原創，未經授權禁止轉載。