تحسين صورة الفائقة الدقة باستخدام شبكات القنوات العميقة جداً مع انتباه المتبقي

تعتبر عمق الشبكات العصبية المتشابكة (CNN) من الأهمية البالغة لتحسين دقة الصور (SR). ومع ذلك، نلاحظ أن الشبكات الأعمق لتحسين دقة الصور تكون أكثر صعوبة في التدريب. تحتوي المدخلات والخصائص ذات الدقة المنخفضة على كميات كبيرة من المعلومات ذات التردد المنخفض، والتي يتم معالجتها بالتساوي عبر القنوات، مما يعيق قدرة الشبكات العصبية المتشابكة على التمثيل. لحل هذه المشاكل، نقترح شبكات الانتباه القنواتي المتبقية جدًا (RCAN). بصفة خاصة، نقترح هيكلًا متبقىً داخل متبقى (RIR) لتكوين شبكة عميقة جدًا، تتكون من عدة مجموعات متبقية تحتوي على اتصالات تخطي طويلة. تحتوي كل مجموعة متبقية على بعض الكتل المتبقية التي لها اتصالات تخطي قصيرة. في الوقت نفسه، يسمح RIR للمعلومات ذات التردد المنخفض الكثيرة بالعبور عبر العديد من اتصالات التخطي، مما يجعل الشبكة الرئيسية تركز على تعلم المعلومات ذات التردد العالي. بالإضافة إلى ذلك، نقترح آلية انتباه قنواتي لتكييف الخصائص القنواتية بشكل تكيفي عن طريق مراعاة العلاقات بين القنوات. أظهرت التجارب الواسعة أن شبكتنا RCAN تحقق دقة أفضل وتحسينات بصرية مقارنة بأحدث الأساليب.请注意，这段翻译已经按照您的要求进行了处理，确保了专业术语的准确性（如卷积神经网络被翻译为شبكات عصبية متشابكة (CNN)），同时在表述上也保持了正式和客观。此外，为了使译文更加符合阿拉伯语的表达习惯，对句子结构进行了适当的调整。