摘要

现有大部分基于生成对抗网络(Generative Adversarial Networks,GAN)超分辨率图像重构算法,运用在实时人脸识别相关场景中,会造成严重延时等问题.针对上述现象,本文提出一种轻量化的GAN超分辨率图像重构算法.该算法通过将低计算量、高性能的深度可分离卷积作为生成器主卷积,将低参数量、高频率复用特征的稠密连接块作为判别器核心,并结合亚像素卷积进行上采样,能够解决在人脸识别算法中加入图像重构预处理过程所造成的严重延时等问题.在FEI、Set5和Set14数据集上的实验表明,本文算法在图像重构时间、模型体积和参数量上均优于现有流行算法.同时,采用本文算法作为人脸识别图像预处理的SphereFace、CosFace和ArcFace等经典人脸识别算法,在FEI上的识别率分别有0.28%、0.16%和0.21%的提升.