摘要
本发明公开了基于全局上下文通道注意力的红外图像超分辨方法,步骤一:获取训练数据集;步骤二:扩充训练数据集;步骤三:构建全局上下文通道注意力网络,以RCAN网络架构为基础,在深层特征提取阶段的残差组构造上进行改进,在残差组结构中,融入m个相互串联的全局上下文通道注意力模块;步骤四:构建结构损失函数;步骤五:将扩充训练数据集输入到全局上下文通道注意力网络中,并以结构损失函数作为优化目标进行训练,使用ADAM优化器更新模型参数,直到损失不再下降,得到训练好的红外图像超分辨率重建模型;步骤六:通过训练好的红外图像超分辨率重建模型对测试集中的低分辨率图像进行超分辨率重建,得到红外超分辨率图像。
技术关键词
注意力
图像超分辨率重建
深层特征提取
通道
红外超分辨率
网络整体架构
浅层特征提取
更新模型参数
网络架构
图像退化模型
描述符
图像重建
数据
优化器
阶段
系统为您推荐了相关专利信息
故障特征
动态卷积神经网络
融合时空信息
工业设备故障
工业故障检测
管控分析方法
标记标签
干线
数据查询效率
注意力机制
双向长短期记忆
注意力机制
深度神经网络
决策方法
密度
分层注意力
联合损失函数
动态
文本
多层注意力机制