Efficient Global Attention Networks for Image Super-Resolution Reconstruction

Fig. 5. Comparison of model complexity and performance of EGAN proposed in this study with other methods on the BSD100 dataset based on ×4SR. The size of the circle indicates the number of parameters

Download full size

Fig. 6. Comparison of visualization results with advanced algorithms

Download full size

Table 1. Test set information

View table

Table 1. Test set information

Dataset	Number of images	Content scene
Set5^［29］	5	Face，bird，butterfly
Set14^［30］	14	People，plants and animals，natural scenery，PPT，etc.
BSD100^［31］	100	People，plants and animals，and indoor and outdoor environments，natural scenery，etc.
Urban100^［32］	100	Cityscape
Manga109^［33］	109	Comics，backgrounds，etc.

Table 2. Parameter setting for network training
View table
Table 2. Parameter setting for network training
Training program Parameterization
Optimizer Adam
ε² 1×10^-6
$r_{i n i t i a l_l e a r n i n g}$ 0.01
$η_{m a x}$ 0.1
$T_{0}$ 100
Batchsize 16
Epoch 500

Table 3. Quantitative comparison results of each algorithm on five benchmark test sets

View table

Table 3. Quantitative comparison results of each algorithm on five benchmark test sets

Scale	Method	Parameters /10³	FLOPs /10⁹	Set5	Set14	BSD100	Urban100	Manga109
Scale	Method	Parameters /10³	FLOPs /10⁹	PSNR /dB（SSIM）	PSNR /dB（SSIM）	PSNR /dB（SSIM）	PSNR /dB（SSIM）	PSNR /dB（SSIM）
×2	Bicubic			33.66（0.9299）	30.24（0.8688）	29.56（0.8431）	26.88（0.8403）	30.80（0.9399）
	VDSR^［4］	665	613	37.53（0.9587）	33.03（0.9124）	31.90（0.8960）	30.76（0.9140）	37.22（0.9729）
	IDN^［10］	553	125	37.83（0.9600）	33.30（0.9148）	32.08（0.8985）	31.27（0.9196）	38.01（0.9749）
	CARN^［11］	1592	223	37.76（0.9590）	33.52（0.9166）	32.09（0.8978）	31.92（0.9256）	38.36（0.9765）
	IMDN^［12］	694	159	38.00（0.9605）	33.63（0.9177）	32.19（0.8996）	32.17（0.9283）	38.01（0.9749）
	SMSR^［16］	985	132	38.00（0.9601）	33.64（0.9179）	32.17（0.8990）	32.19（0.9284）	38.76（0.9771）
	LAGNet^［13］	447	84	37.79（0.9594）	33.40（0.9162）	32.10（0.8991）
	LMDFFN^［14］	339		37.92（0.9602）	33.43（0.9163）	32.08（0.8985）	31.85（0.9250）	38.52（0.9766）
	RCCN^［9］			38.13（0.9610）	33.67（0.9185）	32.22（0.9001）	32.41（0.9302）
	ShuffleMixer^［15］	394	91	38.01（0.9606）	33.63（0.9180）	32.17（0.8995）	31.89（0.9257）	38.83（0.9774）
	DLGSANet^［17］	4730	1097	38.34（0.9617）	34.25（0.9231）	32.38（0.9025）	33.41（0.9393）	39.57（0.9789）
	HIAAN^［18］	631	145	38.04（0.9611）	33.55（0.9186）	32.19（0.9006）	32.24（0.9293）	38.65（0.9773）
	EGAN（Ours）	304	20	38.19（0.9613）	34.40（0.9260）	34.00（0.9255）	32.92（0.9262）	38.70（0.9777）
×3	Bicubic			30.39（0.8682）	27.55（0.7742）	27.21（0.7385）	24.46（0.7349）	26.95（0.8556）
	VDSR^［4］	665	613	33.66（0.9213）	29.77（0.8314）	28.82（0.7976）	27.14（0.8279）	32.01（0.9310）
	IDN^［10］	553	56	34.11（0.9253）	29.99（0.8354）	28.95（0.8013）	27.42（0.8359）	32.71（0.9381）
	CARN^［11］	1592	119	34.29（0.9255）	30.29（0.8407）	29.06（0.8034）	28.06（0.8493）	33.50（0.9440）
	IMDN^［12］	703	72	34.36（0.9270）	30.32（0.8417）	29.09（0.8046）	28.17（0.8519）	33.61（0.9445）
	SMSR^［16］	993	68	34.40（0.9270）	30.33（0.8412）	29.10（0.8050）	28.25（0.8536）	33.68（0.9445）
	LAGNet^［13］	456	75	34.26（0.9253）	30.22（0.8421）	28.93（0.8024）
	LMDFFN^［14］	341		34.32（0.9264）	30.20（0.8392）	29.03（0.8034）	28.01（0.8483）	33.36（0.9430）
	RCCN^［9］			34.48（0.9278）	30.37（0.8417）	29.12（0.8054）	28.34（0.8549）
	ShuffleMixer^［15］	415	43	34.40（0.9272）	30.37（0.8423）	29.12（0.8051）	28.08（0.8498）	33.69（0.9448）
	DLGSANet^［17］	4740	486	34.95（0.9310）	30.77（0.8501）	29.38（0.8121）	29.43（0.8761）	34.76（0.9517）
	HIAAN^［18］	640	65	34.44（0.9278）	30.30（0.8421）	29.13（0.8074）	28.27（0.8544）	33.64（0.9453）
	EGAN（Ours）	310	9	34.97（0.9396）	31.01（0.8577）	29.60（0.8190）	29.21（0.8713）	33.81（0.9481）
×4	Bicubic			28.42（0.8104）	26.00（0.7027）	25.96（0.6675）	23.14（0.6577）	24.89（0.7866）
	VDSR^［4］	665	613	31.35（0.8838）	28.01（0.7674）	27.29（0.7251）	25.18（0.7524）	28.83（0.8809）
	IDN^［10］	553	32	31.82（0.8903）	28.25（0.7730）	27.41（0.7297）	25.41（0.7632）	29.41（0.8942）
	CARN^［11］	1592	91	32.13（0.8937）	28.60（0.7806）	27.58（0.7349）	26.07（0.7837）	30.47（0.9084）
	IMDN^［12］	715	41	32.11（0.8934）	28.63（0.7823）	27.58（0.7358）	26.10（0.7846）	30.55（0.9072）
	SMSR^［16］	1006	42	32.12（0.8932）	28.55（0.7808）	27.55（0.7351）	26.11（0.7868）	30.54（0.9085）
	LAGNet^［13］	470	68	32.06（0.8912）	28.47（0.7782）	27.54（0.7347）
	LMDFFN^［14］	344		32.08（0.8930）	28.46（0.7792）	27.51（0.7341）	25.93（0.7804）	30.25（0.9053）
	RCCN^［9］			32.24（0.8956）	28.69（0.7833）	27.63（0.7376）	26.31（0.7912）
	ShuffleMixer^［15］	411	28	32.21（0.8953）	28.66（0.7827）	27.61（0.7366）	26.08（0.7835）	30.65（0.9093）
	DLGSANet^［17］	4760	274	32.80（0.9021）	28.95（0.7907）	27.85（0.7464）	27.17（0.8175）	31.68（0.9219）
	HIAAN^［18］	652	37	32.26（0.8964）	28.62（0.7832）	27.59（0.7386）	26.17（0.7886）	30.54（0.9095）
	EGAN（Ours）	312	8	32.35（0.8965）	28.97（0.7910）	28.47（0.7642）	26.04（0.7837）	30.74（0.9145）

Table 4. Effect of different components in CAFB on model performance
View table
Table 4. Effect of different components in CAFB on model performance
CCA^［24］ AWA Number of parameters /10³ PSNR /dB（SSIM）
√ 289 25.89（0.7831）
√ 305 25.96（0.7834）
√ √ 312 26.04（0.7837）

Table 5. Effect of different numbers of CAFBs on model performance
View table
Table 5. Effect of different numbers of CAFBs on model performance
Number of CAFBs Number of parameters /10³ PSNR /dB（SSIM）
4 311 25.43（0.7691）
6 311 25.73（0.7745）
8 312 25.69（0.7762）
10 312 26.02（0.7820）
12 312 26.04（0.7837）
14 312 25.62（0.7723）

Table 6. Effect of NPRB on HR image reconstruction performance
View table
Table 6. Effect of NPRB on HR image reconstruction performance
NPRB Pixel Shuffle Number of parameters /10³ PSNR /dB（SSIM）
√ 304 24.69（0.6868）
√ 312 26.04（0.7837）

Table 7. Effect of thermal restart strategy on model performance

View table

Table 7. Effect of thermal restart strategy on model performance

Method	PSNR /dB（SSIM）
Method	Set5	Set14	BSD100	Urban100	Manga109
EGAN-Lr	31.91（0.8913）	28.41（0.7778）	28.33（0.7604）	25.73（0.7726）	30.26（0.9088）
EGAN-DCwr	32.35（0.8965）	28.97（0.7910）	28.47（0.7642）	26.04（0.7837）	30.74（0.9145）

Table 8. Effect of the thermal restart strategy on IMDN performance

View table

Table 8. Effect of the thermal restart strategy on IMDN performance

Method	PSNR /dB（SSIM）
Method	Set5	Set14	BSD100	Urban100	Manga109
IMDN^［12］	32.21（0.8948）	28.58（0.7811）	27.56（0.7353）	26.04（0.7838）	30.45（0.9075）
IMDN-DCwr	32.23（0.8948）	28.58（0.7813）	27.56（0.7354）	26.08（0.7859）	30.47（0.9077）

Tools

Get Citation

Copy Citation Text

Qingqing Wang, Yuelan Xin, Jia Zhao, Jiang Guo, Haochen Wang. Efficient Global Attention Networks for Image Super-Resolution Reconstruction[J]. Laser & Optoelectronics Progress, 2024, 61(10): 1037006

Download Citation

EndNote(RIS)BibTex Plain Text

Set citation alerts for article

Save article for my favorites