基于并列卷积神经网络的超分辨率重建
来源：计算机应用杂志2017年第4期北京时间：
作者：欧阳宁, 曾梦萍, 林乐平
单位：1. 认知无线电与信息处理省部共建教育部重点实验室(桂林电子科技大学), 广西 桂林 541004;2. 桂林电子科技大学 信息与通信学院, 广西 桂林 541004
摘要：为提取更多有效特征并提高模型训练的收敛速度，提出一种基于并列卷积神经网络的超分辨率重建方法。该网络由两路不同结构的网络组成：一路为简单的残差网络，其优化残差映射比原始的映射更容易实现；另一路为增加了非线性映射的卷积神经网络，增强了网络的非线性能力。随着并行网络结构的复杂化，收敛速度慢成为突出问题。针对这个问题，在卷积层后添加正则化处理，以简化模型参数、增强特征拟合能力，最终达到加快收敛的目的。实验结果表明，与基于深度卷积神经网络算法相比，该网络结构收敛速度更快，主观视觉效果更好，峰值信噪比（PSNR）平均提高了0.2 dB。
关键词：并列卷积神经网络,残差网络,非线性映射,正则化处理,收敛速度
基金资助：国家自然科学基金资助项目（61362021，61661017）；广西自然科学基金资助项目（2013GXNSFDA019030，2014GXNSFDA118035）；认知无线电与信号处理重点实验室主任基金资助项目（CRKL160104）；广西科技创新能力与条件建设计划项目（桂科能1598025-21）；桂林科技开发项目（20150103-6）；桂林电子科技大学研究生教育创新计划项目（YJCXS201534）。
