单图像超分辨率的二阶注意力网络(CVPR-2019) CVPR-2019上发布了“ ”。该代码基于构建并在Ubuntu 16.04(Pytorch 0.4.0)上进行了测试 主要内容 1.简介 摘要:近年来,深度卷积神经网络(CNN)在单图像超分辨率(SISR)中得到了广泛的探索,并获得了卓越的性能。但是,大多数现有的基于CNN的SISR方法主要集中在更广泛或更深的体系结构设计上,而忽略了探索中间层的特征相关性,从而阻碍了CNN的表示能力。为了解决这个问题,在本文中,我们提出了一种二级注意网络(SAN),用于更强大的特征表达和特征相关性学习。具体而言,开发了一种新颖的可训练的二阶通道注意(SOCA)模块,以通过使用二阶特征统计量进行更具判别性的表示来自适应地重新调整通道方式的特征。此外,我们提出了一种非局部增强残差组(NLRG)结构,该结构不仅合并了非本地操作以捕获远程空间上下文信息,