Deep Channel Attention Super Resolution (DCASR) یک الگوریتم Super Resolution (SR) است که من در پایان نامه دکترای خود توسعه دادهام و در یک شرح داده شده است.
الگوریتم SR اساساً یک تکنیک برای افزایش وضوح تصویر است. این الگوریتم تعداد پیکسلها در واحد سطح را افزایش میدهد و در نتیجه یک تصویر با وضوح بالا از یک تصویر با وضوح پایین ایجاد میکند. برای اطلاعات بیشتر در مورد SR. الگوریتم DCASR یک الگوریتم جدید SR است که از بلوکهای پسماند چندگانه و یک مکانیسم توجه کانال تشکیل شده است. در مقابل ساختار بلوک پسماند سنتی، لایههای Batch Normalization و لایههای فعالسازی بعد از هر لایه کانولوشن در شبکههای پسماند حذف میشوند و در حافظه صرفهجویی میشود. در لایه بلوک پسماند، هر لایه کانولوشن دارای 64 فیلتر 3x3 بعدی است. پس از اولین لایه کانولوشن، از تابع فعالسازی برای یادگیری اطلاعات غیرخطی و افزایش توانایی یادگیری شبکه استفاده میشود. علاوه بر این، با استفاده از تابع فعالسازی LeakyRelu، از مشکل ناپدید شدن گرادیان در ReLU جلوگیری میشود و از اطلاعات در مناطق منفی استفاده میشود.
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسیزبان بازتنظیم شده. منبع اصلی:
medium