TY -的A2 -杨,嘉成盟——邹,导致长郡盟——你们林涛PY - 2022 DA - 2022/12/14 TI -基于特征融合的图像超分辨率网络关注SP - 5864752六世- 2022 AB -残余结构可以学习整个输入地区不加选择地因为剩余连接仍然可以学习网络深度增加。在某种程度上,可以集中注意力机制的网络注意有趣的领域,提高学习绩效的重要领域,同时减少了计算负载系统。结果,这两个优点的组合可以有实质性的研究意义,对提高效率和减少计算负荷。密集的残余连接网络,结合特征融合方法在图像超分辨率过程提出了关注。密集的残块增强像素和渠道关注块,和一个双通道路径设计整合全球最大池和全球平均池利用。混合损失函数也提出以增加网络的灵敏度每个像素之间的最大误差。PSNR SSIM / l ∞ 性能指标增加后,应用混合损失函数和注意力的技巧。实验结果表明,我们的方法有几个优点在最近的一些方法,以及展示好的结果在许多测试数据集。SN - 1687 - 725 - 2022/5864752 / 10.1155 x你——https://doi.org/10.1155/2022/5864752——摩根富林明——《传感器PB - Hindawi KW - ER