고주파 정보 손실이 이미지 복원에 미치는 영향을 줄이고 특징 정보 추출을 더욱 강화하기 위해 피라미드 분산 풀링 모듈을 핵심으로 하는 생성 네트워크를 구축하였다. 먼저, 이 네트워크는 다양한 수준의 분산 풀링을 활용하여 저해상도 이미지에 내재된 특징 정보를 발굴하고 피라미드 구조와 결합하여 서로 다른 크기와 하위 영역의 컨텍스트 정보를 획득하여 특징 정보의 양을 풍부하게 한다. 그런 다음, 밀접 연결 구조를 이용하여 특징 정보 간의 연관성을 강화하여 네트워크의 표현 능력을 향상시킨다. 마지막으로, 그룹 정규화 연산을 도입하여 네트워크의 수렴성을 강화한다. 실험 결과, 제안된 모델은 Set5, Set14, DIV2K100 공개 테스트 세트에서 다른 방법과 비교했을 때 4배 확대율에서 평균 피크 신호 대 잡음비가 0.509 dB, 구조적 유사도가 0.016 향상되었다. 제안된 모델은 피크 신호 대 잡음비와 구조적 유사도 뿐만 아니라 복원된 이미지가 시각적으로 더 많은 실제 세부 정보를 포함하고 있다.

이미지 초해상도;생성적 적대 신경망;분산 풀링;밀접 연결