使用非常深的残差通道注意力网络进行图像超分辨率重建

卷积神经网络（CNN）的深度对于图像超分辨率（SR）至关重要。然而，我们观察到，用于图像超分辨率的更深网络更难以训练。低分辨率输入和特征包含大量低频信息，这些信息在各个通道中被同等对待，从而阻碍了CNN的表示能力。为了解决这些问题，我们提出了非常深的残差通道注意力网络（RCAN）。具体而言，我们提出了一种残差中的残差（RIR）结构来构建非常深的网络，该结构由多个带有长跳跃连接的残差组组成。每个残差组包含一些带有短跳跃连接的残差块。同时，RIR通过多个跳跃连接使大量的低频信息得以旁路传输，从而使主网络专注于学习高频信息。此外，我们提出了一种通道注意力机制，通过考虑通道之间的相互依赖关系来自适应地调整通道级特征的比例。广泛的实验表明，我们的RCAN在准确性和视觉效果方面优于现有最先进方法。