基于两分支卷积和 Transformer 的轻量级多尺度特征融合超分辨率网络 !

文章预览

前言   当前的单图像超分辨率（SISR）算法有两种主要的深度学习模型，一种是基于卷积神经网络（CNN）的模型，另一种是基于Transformer的模型。前者 利用不同卷积核大小的卷积层 堆叠 来设计模型，使得模型能够更好地提取图像的局部特征；后者 利用自注意力机制 来设计模型，使得模型能够通过自注意力机制在图像像素点之间建立长程依赖关系，从而更好地提取图像的全局特征。 然而，上述两种方法都面临着问题，因此本文提出了一种 基于双向互补卷积和Transformer的新型轻量级多尺度特征融合网络 模型，该模型通过双分支网络结构整合Transformer和卷积神经网络各自的特征，实现全局和局部信息的互相融合。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线 ………………………………