一种用于图像超分辨率重建的稠密残差高效网络

摘要

针对超分辨率模型效率低下的问题，本研究深入剖析了其核心结构并提出了一种基于稠密残差的高效网络架构.该架构在减少模型参数的同时，实现了特征的高效整合，提升了模型效能与推理速度.通过引入经过优化的残差蒸馏模块，进一步降低了模型的参数规模和计算复杂度，同时摒弃了导致运行效率下降的残差连接方式.为了增强模型对图像高频细节的捕捉能力，研究还引入了对比损失函数.最后，通过采用多阶段热启动训练策略，模型的性能得到了提升，实现了更高效、更精准的超分辨率重建.

关键词

深度学习 / 超分辨率 / 残差

基金资助

国家自然科学基金面上资助项目(62375133); 江苏省高校自然科学研究资助项目(25KJA520006); 江苏省产学研合作资助项目(BY20230589); 2024年度江苏省社科应用研究精品工程课题资助项目(24SYB-121)