[发明专利]一种生成图像超分辨网络的神经组件搜索方法

权利要求书

1.一种生成图像超分辨网络的神经组件搜索方法，分为搜索和精炼两个过程，其特征在于：包括如下步骤：

步骤S1：设计搜索空间搜索空间是一种待搜索的超图，包含搜索所有的网络节点、连接路径、损失函数、色彩空间；

步骤S2：使用控制器从搜索空间中采样网络组件构建图像超分辨重建网络子图，该子图包含网络参数为的共享生成器和网络为的共享鉴别器；共享生成器分为四类单元，共享鉴别器分为一类单元；

步骤S3：训练共享生成器的网络参数和共享鉴别器的网络参数训练方法遵循生成对抗式网络的训练，共享生成器和共享鉴别器交替训练固定的轮次。该步骤训练结束后，讲共享生成器在验证集上进行评估，得到峰值信噪比和结构相似性指标；

步骤S4：训练控制器参数θ_c；使用步骤S3得到的PSNR和SSIM以及REINFORCE算法计算估计梯度，更新控制器参数θ_c；

步骤S5：重复步骤S2到步骤S4，直到训练达到指定接待次数，搜索过程终止；

步骤S6：精炼模型，将步骤S2到步骤S5搜索出的模型放到完整的数据集上进行较长轮次的训练，得到最终的超分辨图像重建模型，其参数为

2.根据权利要求1所述的一种生成图像超分辨网络的神经组件搜索方法，其特征在于：步骤S1所述的色彩空间，选取常用的RGB和YCbCr未作待搜索的色彩空间；当选择RGB作为色彩空间时，搜索出的图像超分辨重建网络生成3通道图像；当选择YCbCr作为色彩空间时，由于人类对亮度空间敏感，搜索出的图像超分辨重建网络仅重构YCbCr中的亮度通道，而通过插值的方法快读构建其他两个色差通道。

3.根据权利要求1所述的一种生成图像超分辨网络的神经组件搜索方法，其特征在于：步骤S2所述的共享生成器搜索空间，其定义了图像超分辨重建网络的结构搜索空间，包含搜索可能的自适应残差稠密网络分支；共享生成器包含四个主要模块，分别是浅层特征提取SFE、自适应特征提取AFE、深度特征提取DFE和上采样Upsample；共享生成器中加入了插值连接IS，在存在IS的情况下，生成器生成的是插值后图像的像素细节调整，而不是完整的图像像素强度。

4.根据权利要求3所述的一种生成图像超分辨网络的神经组件搜索方法，其特征在于：所述浅层特征提取层SFE，分为SFE₁和SFE₂；深层特征提取层DFE也分为DFE₁和DFE₂；对于SFE₁，搜索空间取决于不同色彩空间下SFE₁的输入通道数量；当色彩空间为RGB时，SFE₁的输入通道为3；当色彩空间为YCbCr时，SFE₁的输入通道数为1；同样，DFE₂的搜索空间时不同色彩空间下的输出通道数，DFE₂的色彩空间为RGB和YCbCr时的输出通道分别为3和1。