您当前的位置：
首页 >
文章列表页 >
残差学习与层注意力相结合的轻量级图像超分辨
图像处理 | 更新时间：2024-10-09
|

    • 残差学习与层注意力相结合的轻量级图像超分辨

    • Lightweight image super-resolution combining residual learning and layer attention

    • “在图像超分辨率领域，研究者提出了一种结合残差学习和层注意力的轻量级算法RLAN，有效提升了图像重建质量，减少了伪影。”
    • 液晶与显示   2024年39卷第10期 页码：1391-1401

    • DOI：10.37188/CJLCD.2024-0046    

      中图分类号： TP391.4

    • 收稿日期：2024-02-18，

      修回日期：2024-03-18，

      纸质出版日期：2024-10-05

    移动端阅览

  • 吴笛凡, 张选德. 残差学习与层注意力相结合的轻量级图像超分辨[J]. 液晶与显示, 2024,39(10):1391-1401. DOI： 10.37188/CJLCD.2024-0046.

    WU Difan, ZHANG Xuande. Lightweight image super-resolution combining residual learning and layer attention[J]. Chinese journal of liquid crystals and displays, 2024, 39(10): 1391-1401. DOI： 10.37188/CJLCD.2024-0046.

  •  
  •  

0

浏览量

100

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于联结残差网络的单幅图像去雨
融合注意力机制的移动端人像分割网络
基于CNN的异构FPGA硬件加速器设计

相关作者

吴笛凡
张选德
陈清江
吴田田
周鹏
姚剑敏
林志贤
严群

相关机构

西安建筑科技大学 理学院
平板显示技术国家地方联合工程实验室, 福州大学 物理与信息工程学院
晋江市博感电子科技有限公司, 福建 晋江
西安建筑科技大学 理学院
中国科学院 长春光学精密机械与物理研究所
0