轻型金字塔池化注意力机制网络实现图像超分

来源：计算机工程与应用杂志2022年第20期北京时间：

作者：方金生, 朱古沛

单位：1.闽南师范大学 计算机学院，福建 漳州 363000；2.数据科学与智能应用福建省高校重点实验室（闽南师范大学），福建 漳州 363000；

摘要：在基于深度学习的图像超分辨率重建领域，通过扩大网络规模以提高性能将导致计算资源损耗增加。为此，提出了一种轻量级的基于金字塔池化注意力机制网络（light-weighted pyramid pooling-based attention network，LiPAN），该算法模型由融合注意力机制的信息蒸馏块、多层金字塔池化结构和反向注意力融合模块组成。注意力机制确保了网络对重要特征的提取，金字塔池化结构可获取更多的上下文信息，得到更准确的重建结果，蒸馏结构的引入可有效地提高网络性能并减少网络参数。与目前主流的轻量级网络模型相比，提出的LiPAN模型在Set5、Set14、BSD100及Urban100四个公共数据集分别进行2倍、3倍和4倍下采样重建并定量评估，获得最优峰值信噪比和结构相似度。由此表明，提出的LiPAN在网络模型参数与当前主流的轻量级网络相当的情况下，具有更优的超分辨率重建性能。

关键词：超分重建,注意力机制,蒸馏网络,轻量级,金字塔池化