Abstract：
图像超分辨率任务常用双三次下采样以构造数据集训练网络，但双三次下采样由于退化模型固定，导致网络泛化能力低，无法用于真实世界低分辨率图像。为解决上述问题本文提出预处理模块，通过预处理模块与双三次下采样数据集得到的网络相结合，在减少资源消耗的同时提高其泛化能力。此外，还针对不同的精度需求设计了特征学习训练策略和多任务联调策略。通过根据不同需求采用相应的训练策略，在满足精度需求的同时具有消耗计算资源少、训练速度快以及适用范围广的特点。实验证明，增加预处理模块的网络以较少的模型参数增加量换取了重建效果和感知质量方面的较大提升，并且通过不同策略实现了进一步的精度提高。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
网络安全与数据治理
ISSN： 2097-1788
CN： 10-1863/TP
Year： 2024
Issue： 03
Volume： 43
Page： 34-39
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
