【CVPR19 超分辨率】（Oral）Second-order Attention Network for Single Image Super-Resolution

今天介绍一篇CPVR19的Oral文章，用二阶注意力网络来进行单图像超分辨率。作者来自清华深研院，鹏城实验室，香港理工大学以及阿里巴巴达摩院。
文章地址
github code
文章的出发点：现存的基于CNN的模型仍然面临一些限制：

1. 大多数基于CNN的SR方法没有充分利用原始LR图像的信息，导致相当低的性能
2. 大多数CNN-based models主要专注于设计更深或是更宽的网络，以学习更有判别力的高层特征，却很少发掘层间特征的内在相关性，从而妨碍了CNN的表达能力。

**文章的大体思路：**提出了一个深的二阶注意力网络SAN，以获得更好的特征表达和特征相关性学习。特别地，提出了一个二阶通道注意力机制SOCA来进行相关性学习。同时，提出了一个non-locally增强残差组NLRG来捕获长距离空间内容信息。
话不多说，直接看方法

方法

总体网络框架

首先，SAN主要分为四个部分，浅层特征提取，基于非局部增强残差组的深度特征提取，上采样模块以及重建模块。采用一层卷积层来提取浅层特征：

然后深度特征：

上采样特征：

最后重建：

非局部增强残差组NLRG

NLRG包括数个区域级非局部模块RL-NL和一个同源残差组结构SSRG。
SSRG包括相当于就是G个局部模块LSRAG加上一个同源残差连接结构SSC，所谓同源残差连接，就是把LR的特征加到每个group的输入x中，这种连接不仅可以帮助深度CNN的训练，同时还可以传递LR图像中丰富的低频信息给high-level的层。

Wssc是一个可学习参数，一开始被设置为0。对于每个group来说，都会收到SSC传递过来的F0

RL-NL模块

通常来说，non-local模块是用来在high-level任务中捕获整幅图像的长范围依赖的。但是，全局non-local操作可能会受限于：

1. 全局non-local操作需要大量的计算量，如果特征size很大。
2. 对于low-level的任务来说，在一定的区域范围中进行non-local操作被证明是有效的

因此，在SAN中，我们将图像划分为kxk大小，在每个region中进行non-local操作。
LSRAG模块

像其他的CNN模型一样，SAN也将网络模块化，每个LSRAG模块都用了local 的residual 连接

在LSRAG的末端，有一个SOCA模块，即二阶通道注意力机制。
SOCA

相比于SENet里面的通道attention使用的是一阶统计信息（通过全局平均池化），本SOCA探索了二阶特征统计的attention。方法：

1. 协方差归一化：
   协方差可以用来描述变量之间的相关性，所以对于HxWxC的特征，reshape为WH（C个维度），可以用协方差矩阵描述C个通道之间的相关性。采样协方差矩阵可以被计算得到：
   
   其中，I和1分别是sxs的单位矩阵（对角线是1）和全1矩阵。
   对得到的协方差矩阵用半正定矩阵进行奇异值分解得到
   
   U是一个正交矩阵，对角线元素都是奇异值（非递增）。
   然后协方差归一化被转化为奇异值的秩：
   
   α是一个正数，论文中被设置为二分之一（如果是1则没有归一化）
   channel attention
   类似于SE Block，一层卷积用来降维（通常是十六分之一），一层恢复通道数。

这里的z是通过上面协方差归一化后得到的

用牛顿迭代法求协方差归一化

因为原始的EIG在GPU上没办法快速运行，所以作者使用了牛顿迭代法逼近近似值。