熊承义,秦鹏飞,高志荣,施晓迪,刘川鄂.基于双路信息互补增强的压缩感知深度重构[J].中南民族大学学报自然科学版,2020,39(6):619-624
基于双路信息互补增强的压缩感知深度重构
Deep reconstruction for compressed sensing with dual-path information complementary enhancement
  
DOI:10.12130/znmdzk.20200612
中文关键词: 压缩感知重构  深度学习  双路网络  信息互补增强
英文关键词: compressed sensing reconstruction  deep learning  dual-path network  information complementary enhancement
基金项目:国家自然科学基金资助项目(61471400);中央高校基本科研业务费专项资金资助项目(CZY19016)
作者单位
熊承义 中南民族大学 电子信息工程学院智能无线通信湖北省重点实验室武汉430074 
秦鹏飞 中南民族大学 电子信息工程学院智能无线通信湖北省重点实验室武汉430074 
高志荣 中南民族大学 计算机科学学院武汉 430074 
施晓迪 中南民族大学 电子信息工程学院智能无线通信湖北省重点实验室武汉430074 
刘川鄂 中南民族大学 电子信息工程学院智能无线通信湖北省重点实验室武汉430074 
摘要点击次数: 218
全文下载次数: 163
中文摘要:
      深度学习的方法在压缩感知重构中表现了良好潜能,而如何提升网络的深度特征表示能力是其中的一个关键问题.基于多通道网络能较好改善深度特征表示能力的发现,设计了一种双路信息互补增强的压缩感知深度重构网络,以更好地提升网络的重构性能.具体地,重构网络由两个并行通道组成,一个通道实现对图像原始分辨率的重构,而另一个通道实现对图像的降采样重构;两个通道的中间特征提取部分采用交叉融合技术,以实现信息提取的互补增强.基于公开发布的标准测试集的实验验证了所提出的方法在提升压缩感知图像的深度重构质量的有效性.
英文摘要:
      The deep learning method has shown good potential in compressed sensing reconstruction, while how to improve the deep feature representation ability of the network is one of the key issues. Based on the finding that multi-channel networks can improve the ability of deep feature representation better, a two-channel information complementary enhancement based compressed sensing deep reconstruction network is proposed to improve the reconstruction performance better. Specifically, the proposed reconstruction network consists of two parallel channels, one of which realizes the reconstruction of the original resolution of the image, and the other one realizes the down-sampling reconstruction. The intermediate features extracted in the two channels are enhanced by using information fusion with attention mechanism. Experiments based on the publicly standard test set validate the proposed method in term of improving reconstructed image quality of deep networks.
查看全文   查看/发表评论  下载PDF阅读器
关闭