2ヶ月前
軽量特徴融合ネットワークを用いた単一画像の超解像処理
Wenming Yang; Wei Wang; Xuechen Zhang; Shuifa Sun; Qingmin Liao

要約
単一画像超解像(Single Image Super-Resolution: SISR)は、畳み込みニューラルネットワーク(Convolutional Neural Network: CNN)が深く広く進化するにつれて大きな進歩を遂げています。しかし、膨大なパラメータ数はその実世界への応用を妨げています。本稿では、多尺度のコンテクスト情報を十分に活用し、ネットワークのパラメータ数を大幅に削減しながらSISRの結果を最大化する軽量特徴融合ネットワーク(Lightweight Feature Fusion Network: LFFN)を提案します。LFFNは、スピンドルブロックとソフトマックス特徴融合モジュール(Softmax Feature Fusion Module: SFFM)に基づいて構築されています。具体的には、スピンドルブロックは次元拡張ユニット、特徴探索ユニット、および特徴精製ユニットで構成されています。次元拡張層は低次元から高次元へと展開し、次のユニットに適した特徴マップを暗黙的に学習します。特徴探索ユニットは線形および非線形の特徴探索を行い、異なる特徴マップに対して目的を持っています。特徴精製層は特徴を融合・精製するために使用されます。SFFMはソフトマックス関数を使用して自己適合的な学習方法で異なるモジュールからの特徴を融合し、少ないパラメータコストで階層的な情報を十分に活用します。ベンチマークデータセットに対する定性的および定量的実験の結果、LFFNは類似のパラメータ数を持つ最先端手法に対して優れた性能を達成していることが示されました。