基于并列卷积神经网络的超分辨率重建

摘要 为提取更多有效特征并提高模型训练的收敛速度，提出一种基于并列卷积神经网络的超分辨率重建方法。该网络由两路不同结构的网络组成：一路为简单的残差网络，其优化残差映射比原始的映射更容易实现；另一路为增加了非线性映射的卷积神经网络，增强了网络的非线性能力。随着并行网络结构的复杂化，收敛速度慢成为突出问题。针对这个问题，在卷积层后添加正则化处理，以简化模型参数、增强特征拟合能力，最终达到加快收敛的目的。实验结果表明，与基于深度卷积神经网络算法相比，该网络结构收敛速度更快，主观视觉效果更好，峰值信噪比（PSNR）平均提高了0.2 dB