本发明专利技术提供了一种轻量级视频超分辨率方法及系统，首先获取连续视频帧的低维特征，并将目标帧的低维特征与相邻帧的低维特征进行合并得到低维融合特征；利用浅层特征提取模块对低维融合特征进行处理，获取融合后的低级语义特征；将获得的低级语义特征输入到多级串联的全卷积特征优化模块Informer进行特征学习，并获取各级Informer输出的潜在特征；对各级Informer输出的潜在特征进行合并得到融合的潜在特征，并利用一个独立的Informer对融合的潜在特征进行处理，获取高级特征；根据得到的高级特征与视频帧序列中的目标帧的低维特征，生成所需要的超分辨率视频帧。本发明专利技术保证了超分辨率效果的同时，利用组卷积与深度可分离卷积降低了模型参数量，并减少了时间消耗。
【技术实现步骤摘要】
本专利技术属于计算机视觉，更具体地，涉及一种轻量级视频超分辨率方法及系统。
技术介绍
1、随着科技的发展，高清视频已经成为人们日常生活中常见的媒介，如高清电影、高清电视等。然而，在实际应用中，往往因为设备性能限制、信号传输问题或者存储空间不足等原因，导致无法获取或者传输真正的高清视频。在这种情况下，视频超分辨率技术就变得尤为重要，能够从低分辨率的视频中提取出高清晰度的视频，满足人们对高清视频的需求。
2、近年来，深度学习技术的发展和普及，特别是在卷积神经网络(cnn)和生成对抗网络(gan)方面的研究，为视频超分辨率提供了新的思路和方法，其中最具有代表性的是basicvsr、basicvsr++等方法。这些方法能够实现较好的超分辨率效果，但是需要大量的训练数据和计算资源。随着移动设备的普及，越来越多的人开始依赖于手机、平板等设备处理工作和娱乐。然而，由于移动设备的计算能力和内存资源有限，使得这些采用复杂策略的视频超分辨率算法无法在移动设备上实现高效的运行。因此，轻量级视频超分辨率算法的研究变得尤为重要。
>技术实现思路本文档来自技高网...
【技术保护点】
1.一种轻量级视频超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤1中将连续视频帧输入到一个3×3卷积来获取低维特征。
3.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤2中特征提取模块SFE包括三个串联的3×3卷积与三个卷积核大小为3，分组数为8的组卷积，同时每个卷积后面放置一个PReLU激活函数。
4.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤3中，多级Informer模块包括轻量级特征优化网络与轻量级注意力网络；
5.根据权利要求1所...
【技术特征摘要】
1.一种轻量级视频超分辨率方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤1中将连续视频帧输入到一个3×3卷积来获取低维特征。
3.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤2中特征提取模块sfe包括三个串联的3×3卷积与三个卷积核大小为3，分组数为8的组卷积，同时每个卷积后面放置一个prelu激活函数。
4.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤3中，多级informer模块包括轻量级特征优化网络与轻量级注意力网络；
5.根据权利要求1所述的一种轻量级视频超分辨率方法，其特征在于：步骤5包括将高级特征与视频帧序列中的目标帧的低维特征执行点加操作，得到超分辨率特征；
【专利技术属性】
技术研发人员：易本顺，罗来干，朱超，王中元，
申请(专利权)人：武汉大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。