Resumen

La superresolución de imagen de una sola imagen (SISR, por sus siglas en inglés) es un problema tradicional de restauración de imágenes. Dada una imagen con baja resolución (LR), la tarea de SISR es encontrar la imagen homóloga de alta resolución (HR). Como un problema mal planteado, existen trabajos para el problema de SISR desde diferentes puntos de vista. Recientemente, el aprendizaje profundo ha demostrado un rendimiento sorprendente en diferentes tareas de procesamiento de imágenes. Existen trabajos para la superresolución de imágenes basados en redes neuronales convolucionales (CNN). En este artículo, proponemos una red de atención de canal residual adaptativa para la superresolución de imágenes. Primero analizamos la limitación de la estructura de conexión residual y proponemos un diseño adaptativo para una fusión de características adecuada. Además de la conexión adaptativa, se propone una atención de canal para ajustar la distribución de importancia entre diferentes canales. Se propone un nuevo bloque de atención de canal residual adaptativo (ARCB) en este artículo con atención de canal y conexión adaptativa. Luego

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Tradicional; Restauración de imágenes; Super-resolución; Aprendizaje profundo; Red neuronal convolucional; Diseño adaptativo
• Keywords:Traditional; Image restoration; Super-resolution; Deep learning; Convolutional neural network; Adaptive design