基于剩余密集通道注意块-递归SRNet的单图像超分辨率(IPIU,2021.02.03〜05) RDCAB-RecursivSRNet(拆分版本) 抽象的 已提交给现有IPIU会议的RDCAB-RecursiveSRNet,其参数数量是RDN的约10倍,并且基于x4放大倍数,即使是多次添加,其参数数量也从1309G减少到750G,降低了1.7倍。 但是,递归结构增加或扩大了网络的深度,以防止递归和递归丢失,因此需要大量的计算和内存消耗,这很难应用于实时或低功耗计算机。 因此,我一直在进行研究以减轻RDCAB-RecursiveSRNet的负担,最终目标是将其安装在嵌入式板上。 知识提炼:将信息从大型模型和大型模型传输到小型模型和轻型模型,以训练它们进行更准确的推断。 与现有RDCAB-RecursvieSRNet的差异 使用双三次插值法以与输出相同的倍率制作输入图像,并执行最终的重建图像