摘要
本申请涉及一种基于多特征聚合注意力机制的图像超分辨率方法和装置。所述方法包括:构建分辨率重构模型;分辨率重构模型包括:浅层特征提取模块、深层特征提取模块以及重建模块,深层特征提取模块采用多特征聚合注意力机制用于提取深层特征,分辨率重构模型通过反馈设置进行T轮迭代,每一轮迭代的输入均为初始分辨率图像,下一轮迭代的深层特征提取模块的输入为上一轮迭代的深层特征提取模块提取得到的深层特征与当前迭代轮次浅层特征提取模块提取的浅层特征的级联结果,重建模块对深层特征和初始分辨率图像进行分辨率重建,输出当前迭代轮次的超分辨率图像。采用本方法能够提高超分辨率性能以及减少模型参数。
技术关键词
深层特征提取
浅层特征提取
重构模型
池化特征
模块
图像超分辨率方法
注意力机制
深度映射
级联
双线性插值
矩阵
上采样
参数
数值
通道
系统为您推荐了相关专利信息
高通量筛选方法
多肽
支持向量机模型
LightGBM模型
数据分析模块
数据平台
初始聚类中心
负荷特征
数据分析方法
曲线
工业机器人本体
检测设备
红外测距传感器
伸缩气缸
安装盘
人机交互界面设计
核心控制算法
伺服压力机控制方法
运动控制算法
软件架构