北大開源全新圖像壓縮感知網(wǎng)絡(luò)：參數(shù)量、推理時間大幅節(jié)省，性能顯著提升 | 頂刊TPAMI

原標(biāo)題：北大開源全新圖像壓縮感知網(wǎng)絡(luò)：參數(shù)量、推理時間大幅節(jié)省，性能顯著提升 | 頂刊TPAMI
文章來源：新智元
內(nèi)容字?jǐn)?shù)：5305字

北京大學(xué)提出新型壓縮感知網(wǎng)絡(luò)PCNet：高效精準(zhǔn)重建高分辨率圖像

壓縮感知(CS)技術(shù)能夠大幅減少圖像數(shù)據(jù)采集量，降低成本并提高效率，在醫(yī)療成像、科學(xué)研究等領(lǐng)域具有廣泛應(yīng)用前景。然而，現(xiàn)有CS方法在采樣矩陣的信息保留能力和重建算法的計算效率方面存在局限性。為此，北京大學(xué)信息工程學(xué)院的研究人員提出了一種新型的壓縮感知網(wǎng)絡(luò)PCNet，在圖像重建精度、計算效率和任務(wù)擴(kuò)展性方面均取得了顯著突破。

創(chuàng)新的協(xié)同采樣算子
PCNet的核心創(chuàng)新在于其設(shè)計的協(xié)同采樣算子，它克服了傳統(tǒng)方法在信息保留能力上的不足。該算子包含兩個階段：首先，利用輕量級卷積網(wǎng)絡(luò)提取圖像的局部特征，例如邊緣和紋理，降低數(shù)據(jù)冗余；其次，采用全局矩陣對局部特征進(jìn)行降維和融合，將全局信息（如大尺度結(jié)構(gòu)）與局部特征結(jié)合，生成信息量更大的壓縮觀測值。這種兩階段設(shè)計既能捕捉細(xì)節(jié)，又能保留全局信息，顯著提高了采樣效率。
融合優(yōu)化理論與深度學(xué)習(xí)的重建網(wǎng)絡(luò)
PCNet的重建網(wǎng)絡(luò)融合了優(yōu)化理論和深度學(xué)習(xí)的優(yōu)勢。它基于近端梯度下降(PGD)算法進(jìn)行深度展開，將PGD的迭代過程轉(zhuǎn)化為網(wǎng)絡(luò)層，兼顧理論可解釋性和實際效率。此外，網(wǎng)絡(luò)還采用了注意力機(jī)制和多尺度特征融合模塊，進(jìn)一步提升重建精度，能夠更好地關(guān)注圖像重要區(qū)域并重建全局結(jié)構(gòu)。為了適應(yīng)高分辨率圖像處理，PCNet采用輕量化架構(gòu)，降低了參數(shù)量和計算開銷，提高了推理效率。
優(yōu)異的性能和廣泛的應(yīng)用
在多個基準(zhǔn)數(shù)據(jù)集上的實驗結(jié)果表明，PCNet在圖像重建精度方面顯著優(yōu)于現(xiàn)有方法，特別是在低采樣率下，能夠重建出更高質(zhì)量、細(xì)節(jié)更清晰的圖像。同時，PCNet的計算效率也得到大幅提升，推理時間平均減少40%，內(nèi)存占用也顯著降低。此外，PCNet還展現(xiàn)了良好的擴(kuò)展性，可應(yīng)用于量化壓縮感知和自監(jiān)督壓縮感知等任務(wù)。
實驗結(jié)果驗證
PCNet在Set11、CBSD68、Urban100和DIV2K等數(shù)據(jù)集上的實驗結(jié)果表明，其在峰值信噪比(PSNR)和結(jié)構(gòu)相似性(SSIM)指標(biāo)上均超越現(xiàn)有方法。尤其在高分辨率圖像(2K,4K,8K)重建中，PCNet展現(xiàn)了強(qiáng)大的適應(yīng)能力。計算效率方面，PCNet的推理時間比傳統(tǒng)方法減少了40%，參數(shù)量也減少了30%以上，同時性能卻顯著提升。在量化壓縮感知和自監(jiān)督壓縮感知任務(wù)中，PCNet也展現(xiàn)了其優(yōu)越的性能和魯棒性。

總而言之，PCNet通過創(chuàng)新的協(xié)同采樣算子和優(yōu)化的重建網(wǎng)絡(luò)，為高分辨率圖像的壓縮感知提供了一種高效、精準(zhǔn)的解決方案，在多個方面都展現(xiàn)了其優(yōu)越性，為壓縮感知技術(shù)的實際應(yīng)用提供了新的可能性。

聯(lián)系作者

文章來源：新智元
作者微信：
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。

閱讀原文