摘要
本发明公开了基于跨窗口信息聚合与大核注意的图像超分重建Transformer方法,包括对高分辨率图像进行降质退化处理得到低分辨率图像,构建训练集;构建和训练跨窗口信息聚合和大核注意的图像超分辨率重建Transformer方法网络;将一幅待超分辨率的低分辨率图像输入到训练好的模型中,得到最终重建的高分辨率图像。本发明提出新的混合注意力模型,结合大核注意力,通过基于位置信息以及语义信息的自注意方案,进行跨窗口的信息融合,实现了对图像像素信息的利用,并利用并联的大核注意力结构挖掘网络的性能,大核注意力可以利用局部信息,捕获远程依赖关系,并且在通道和空间维度上都具有自适应性,可重建出更高质量的超分辨率图像。
技术关键词
深层特征提取
图像超分辨率重建
浅层特征提取
深度特征提取
模块
上采样
构建训练集
矩阵
语义注意力
索引
代表
元素
注意力模型
多层感知器
训练集数据
关系
系统为您推荐了相关专利信息
感兴趣
车辆识别
点云图像
视频
DBSCAN算法
训练数据生成方法
大语言模型
自然语言
指令
训练数据生成系统
压力测试数据
距离测试
变速箱
监测模块
仿真模型