[发明专利]一种图像超分辨率神经网络参数效率提升的方法

权利要求书

1.一种图像超分辨率神经网络参数效率提升的方法，其特征在于，包括如下步骤：

S1、建立神经网络的卷积层和图结构的映射关系；

S2、通过随机图生成器生成不同的图结构；

S3、在随机图中选用合适的结构点以指导网络卷积层结构的稀疏化过程；

S4、将选取的图结构映射回神经网络的卷积层之中；

S5、使用同样的图结构进行映射，应用至图像超分辨率神经网络的所有中间层中；网络的每一层都保持同样的子结构；

S6、将图像超分辨率网络的通道数进行扩大；优选地，将图像超分辨率网络的通道数进行扩大至1.5倍-2.5倍；

S7、进行模型的训练。

2.如权利要求1所述的方法，其特征在于，步骤S1中，将多通道输入输出的全连接卷积层的连接映射到图结构之中，建立对应关系。

3.如权利要求1所述的方法，其特征在于，步骤S2中，所述随机图生成器生成子结构，以聚类系数和平均路径长度来作为不同图结构的定量衡量指标。

4.如权利要求1所述的方法，其特征在于，步骤S3中，选取提供更加有效地网络连接结构的点所对应的图结构来指导神经网络结构进行稀疏。

5.如权利要求4所述的方法，其特征在于，步骤S3中，选择同一稀疏度下靠近中间的子结构；优选地，选择稀疏度为15％-25％的结构；其中，稀疏度为：连接总数/全连接情况下的连接数。

6.如权利要求4或5所述的方法，其特征在于，步骤S3中，选择的子结构比其余部分的子结构在同一稀疏度下的性能上能优秀0.02dB-0.03dB。

7.如权利要求1至6任一项所述的方法，其特征在于，步骤S4中，采样稀疏度不同的图结构，将其映射回SRResNet网络结构中；通过图结构和神经网络的映射关系，删除掉卷积层中的部分通道之间的连接，构造出多种连接方式，将网络连接稀疏化。

8.如权利要求1至7任一项所述的方法，其特征在于，步骤S5中，图像超分辨率网络的无法用多节点的图结构进行映射的输入层和输出层不作处理；优选地，采用SRResNet网络，将所有的卷积层进行图结构的反映射。

9.如权利要求1所述的方法，其特征在于，所述随机图生成器为WS随机图生成器、ER随机图、BA随机图、Harary随机图和Ring随机图中的任一种，优选WS随机图生成器。

10.一种图像超分辨率神经网络参数效率提升的方法，其特征在于，包括如下步骤：

A1、建立一种图结构和网络卷积层结构之间的映射关系；

A2、从随机图生成器生成出的结构图中的最优区选择需要的稀疏度下的子结构；

A3、将图像超分辨网络的每个中间层都按照选择的图结构逆映射至神经网络中间层结构，以此对神经网络进行稀疏化处理，不同层的稀疏化结构保持一致；

A4、将已有的网络的通道数按比例扩大1.5倍至2.5倍；

A5、保持网络原有的训练设置进行训练。