A Heterogeneous Dynamic Convolutional Neural Network for Image Super-resolution

要約

畳み込みニューラル ネットワークは、ディープ ネットワーク アーキテクチャと指定された入力サンプルを介して特徴を自動的に学習できます。
ただし、取得されたモデルの堅牢性は、さまざまなシーンで課題となる可能性があります。
ネットワーク アーキテクチャの違いが大きいほど、より相補的な構造情報を抽出して、得られた超解像モデルの堅牢性を高めることができます。
この論文では、画像超解像度におけるヘテロジニアス動的畳み込みネットワーク (HDSRNet) を紹介します。
より多くの情報を取得するために、HDSRNet は異種並列ネットワークによって実装されています。
上位ネットワークは、スタックされた異種ブロックを介してより多くのコンテキスト情報を促進し、画像の超解像度の効果を向上させることができます。
各異種ブロックは、拡張された動的共通畳み込み層、ReLU、残差学習演算の組み合わせで構成されます。
さまざまな入力に応じてパラメータを適応的に調整できるだけでなく、長期的な依存関係の問題も防ぐことができます。
下位ネットワークは対称アーキテクチャを利用して、さまざまなレイヤーの関係を強化し、より多くの構造情報をマイニングします。これは、画像の超解像度のために上位ネットワークを補完します。
関連する実験結果は、提案された HDSRNet が画像解像度に対処するのに効果的であることを示しています。
HDSRNet のコードは、https://github.com/hellloxiaotian/HDSRNet で入手できます。

要約(オリジナル)

Convolutional neural networks can automatically learn features via deep network architectures and given input samples. However, robustness of obtained models may have challenges in varying scenes. Bigger differences of a network architecture are beneficial to extract more complementary structural information to enhance robustness of an obtained super-resolution model. In this paper, we present a heterogeneous dynamic convolutional network in image super-resolution (HDSRNet). To capture more information, HDSRNet is implemented by a heterogeneous parallel network. The upper network can facilitate more contexture information via stacked heterogeneous blocks to improve effects of image super-resolution. Each heterogeneous block is composed of a combination of a dilated, dynamic, common convolutional layers, ReLU and residual learning operation. It can not only adaptively adjust parameters, according to different inputs, but also prevent long-term dependency problem. The lower network utilizes a symmetric architecture to enhance relations of different layers to mine more structural information, which is complementary with a upper network for image super-resolution. The relevant experimental results show that the proposed HDSRNet is effective to deal with image resolving. The code of HDSRNet can be obtained at https://github.com/hellloxiaotian/HDSRNet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google