文章摘要:为了解决基于卷积神经网络的超分辨率方法需要大量的内存空间和计算资源而带来的实际应用部署难题，本文主要研究了知识蒸馏在超分辨率任务上的运用。针对传统的知识蒸馏方法无法在超分辨率网络之间传递有效信息的局限性，本文提出了一种适用于超分辨率任务的知识蒸馏训练框架。该训练框架主要借鉴了编解码器的结构特点，使用编码器去捕捉高清图像中的高频信息，再使用教师网络去构建解码器，最后通过特征知识蒸馏的方式，将教师网络中的高频信息传递给学生网络，从而达到无需修改学生网络的结构，便能有效提升学生网络的高分辨率图像重建效果，训练出轻量级的超分辨网络。通过与现有的算法定量比较，本文提出的算法能在相同计算资源下取得更优的性能表现。

文章关键词:

论文分类号:TP391.41;TP18

文章来源：《世界知识》 网址: http://www.sjzszzs.cn/qikandaodu/2022/0112/1211.html