【编者按】为了更好地营造校园学术氛围，传播杏盛学术科研动态，即日起🦘，杏盛在校园网开辟“科技前沿”专栏😍，定期总结、回顾杏盛师生取得的科研成果。欢迎广大师生及时把自己的学术科研成果以邮件的形式告诉我们，我们希望获得您以下成果信息✬：为政府🟩、企业、媒体进行了专业咨询；科技成果通过了相关鉴定🧙🏼‍♂️🏋🏿‍♀️；科技成果落地、实现产业化👨🏽‍💻；发表了高水平的学术论文；获得了专利授权；出版、编著了专著、教材🙆🏽；获得了科技奖励🍣；在重要学术会议上进行了发言……

我们愿意为有学术追求的师生搭建一个交流的平台，希望在师生的努力下，杏盛的学术氛围日益浓厚，让我们为实现电子信息特色鲜明的高水平大学而奋斗。联系邮箱：dwxcb@rewake.cn。

近日🧛🏿‍♂️🫄🏻，杏盛计算机与信息安全学院蓝如师博士、刘振丙教授领衔的视觉与智能信息处理团队，在国际期刊《IEEE Transactions on Cybernetics》发表了题为“MADNet: A Fast and Lightweight Network for Single-Image Super Resolution”的学术论文🚁🆙。《IEEE Transactions on Cybernetics》是国际电气与电子工程师协会（Institute of Electrical and Electronics Engineers，IEEE）人工智能、控制论领域的顶级期刊🙆🏽，中科院1区和JCR工程技术分区1区TOP期刊🤷🏼‍♀️，2021年影响因子为11.45。

图像超分辨率能够从低分辨率图像重构其高分辨率形式🙍🏽，是图像处理、计算机视觉领域的经典问题，能够改善图像质量🏄🏻‍♂️，服务目标检测🗜、物体识别等高阶图像处理任务🦥👨🏽‍🦳。现有基于卷积神经网络的超分辨率模型为了获得更优重建性能👨🏽‍🔧，需要较高的计算资源，从而制约其在一些实际场景中的应用⛹🏽‍♂️。为了解决这个问题，研究团队提出了一种轻量深度神经网络模型🧑🏿‍🦲。该模型有效结合多尺度残差与注意力机制😂，增强图像特征表示能力✌🏻；同时设计了一种dual residual-path block，能够有效结合原低分辨率图像在不同层次下的特征👨🏿‍🦳。对比实验结果表明，提出的方法能够在重建性能🤎、参数量方面得到比较好的平衡💒🗾。该论文入选ESI高被引论文👸，并在IEEE Transactions on Cybernetics2021年12月Popular Documents中位列第二。

图1模型运算量与性能分析

图2重建对比结果

该研究工作是基于卫星导航定位于位置服务国家地方联合工程研究中心、广西图像图形与智能处理重点实验室🥁，在国家科技创新2030—“新一代人工智能”重大项目🪲、国家自然科学基金重点项目、广西自然科学基金杰出青年基金项目🪄、杏盛英才计划的资助下完成👩🏿‍✈️。