论文部分内容阅读
针对超分辨率重建图像质量与计算成本难以平衡这一问题,提出了一种基于神经架构搜索的高效超分辨率重建算法——NASESR.首先,采用全局残差学习,将搜索的部分限定在网络的非线性映射部分;其次在该部分加入了下采样结构用于减小特征图尺寸,降低计算成本;第三,建立轻量级的搜索空间和联合奖励用于搜索最优网络结构;第四,将搜索分为宏观搜索和微观搜索两部分,分别用于搜索最优下采样位置与最优cell结构.最后,通过实验比较,本算法仅仅以很小的计算成本在性能上就超过了大多数人工设计的网络.