高效图像超分辨率深度网络的研究进展（图）
近日，桂林电子科技大学函授计算机与信息安全学院蓝如师博士、刘振丙教授领衔的视觉与智能信息处理团队，在国际期刊《IEEE Transactions on Cybernetics》发表了题为“MADNet: A Fast and Lightweight Network for Single-Image Super Resolution”的学术论文。《IEEE Transactions on Cybernetics》是国际电气与电子工程师协会（Institute of Electrical and Electronics Engineers，IEEE）人工智能、控制论领域的顶级期刊，中科院1区和JCR工程技术分区1区TOP期刊，2021年影响因子为11.45。
图像超分辨率能够从低分辨率图像重构其高分辨率形式，是图像处理、计算机视觉领域的经典问题，能够改善图像质量，服务目标检测、物体识别等高阶图像处理任务。现有基于卷积神经网络的超分辨率模型为了获得更优重建性能，需要较高的计算资源，从而制约其在一些实际场景中的应用。为了解决这个问题，研究团队提出了一种轻量深度神经网络模型。该模型有效结合多尺度残差与注意力机制，增强图像特征表示能力；同时设计了一种dual residual-path block，能够有效结合原低分辨率图像在不同层次下的特征。对比实验结果表明，提出的方法能够在重建性能、参数量方面得到比较好的平衡。该论文入选ESI高被引论文，并在IEEE Transactions on Cybernetics2021年12月Popular Documents中位列第二。
图1模型运算量与性能分析
图2重建对比结果
该研究工作是基于卫星导航定位于位置服务国家地方联合工程研究中心、广西图像图形与智能处理重点实验室，在国家科技创新2030—“新一代人工智能”重大项目、国家自然科学基金重点项目、广西自然科学基金杰出青年基金项目、桂林电子科技大学函授英才计划的资助下完成。
