【技术实现步骤摘要】
本专利技术主要涉及图像超分辨率，具体是一种基于轻量级混合注意力蒸馏网络图像超分辨率模型。
技术介绍
1、目前，主流的卷积神经网络和最近新起的视觉变压器所构成的图像超分辨率重建都存在缺陷。1、对于包含复杂纹理和结构的图像，如细节丰富的自然场景或医学图像，当前的超分辨率方法可能难以准确恢复细节。这是因为复杂纹理和结构的建模和恢复是一项复杂任务，需要更强大的模型和算法来处理。2、某些超分辨率方法的计算复杂度较高，需要大量的计算资源和时间。这限制了这些方法在实时应用和移动设备上的应用。因此，需要开发更高效的算法和模型，以在实践中实现实时和高效的超分辨率处理，因此本专利技术提供了一种基于轻量级混合注意力蒸馏网络图像超分辨率模型。
技术实现思路
1、为解决现有技术的不足，本专利技术提供了一种基于轻量级混合注意力蒸馏网络图像超分辨率模型。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，包括以下步骤：
4、步...
【技术保护点】
1.一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，其特征在于，所述高效多层特征提取模块加入一个特征增强机制特征提取块提取的图像特征进入特征增强块模块后，使用卷积进行信道降维，然后，将特征图通过对比感知通道注意力块，学习信道之间的关系，使信道权值的自适应调整，具体的过程可以用以下的公式来表示
3.根据权利要求1所述的一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，其特征在于，所述蓝图非局部自注意力块算法专注于深度特征的提取，利用球面局部敏感...
【技术特征摘要】
1.一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于轻量级混合注意力蒸馏网络图像超分辨率模型，其特征在于，所述高效多层特征提取模块加入一个特征增强机制特征提取块提取的图像特征进入特征增强块模块后，使用卷积进行信道降维，然后，将特征图通过对比感知通道注意力块，学习信道之间的关系，使信道权值的自适应调整...
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。