A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

CAA-Net: End-to-End Two-Branch Feature Attention Network for Single Image Dehazing CAA-Net: Rede de atenção de recursos de duas ramificações ponta a ponta para desembaçamento de imagem única

Gang JIN, Jingsheng ZHAI, Jianguo WEI

  • Exibições de texto completo

    10

  • Cite isto

Resumo:

Neste artigo, propomos uma rede de atenção a recursos de ponta a ponta com duas ramificações. A rede é usada principalmente para desembaçamento de imagens únicas. A rede consiste em dois ramos, que chamamos de CAA-Net: 1) Uma rede U-NET composta por fusão de recursos de diferentes níveis com base na estrutura de atenção (FEPA) e bloco denso residual (RDB). Para aproveitar ao máximo todos os recursos hierárquicos da imagem, utilizamos RDB. RDB contém camadas densamente conectadas e fusão de recursos locais com aprendizado residual local. Propomos também uma estrutura chamada estrutura FEPA.FEPA que poderia reter as informações da camada rasa e transferi-las para a camada profunda. FEPA é composto por vários módulos de atenção de recursos (FPA). A FPA combina aprendizagem residual local com mecanismo de atenção de canal e mecanismo de atenção de pixel, e pode extrair recursos de diferentes canais e pixels de imagem. 2) Uma rede composta por vários níveis diferentes de estruturas da FEPA. A rede poderia fazer com que os pesos dos recursos aprendessem com o FPA de forma adaptativa e dar mais peso aos recursos importantes. O resultado final do CAA-Net é a combinação de todos os resultados de previsão de ramificação. Resultados experimentais mostram que o CAA-Net proposto por nós supera os algoritmos mais avançados anteriores para desembaçamento de imagem única.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E106-A No.1 pp.1-10
Data de publicação
2023/01/01
Publicitada
2022/07/21
ISSN online
1745-1337
DOI
10.1587/transfun.2022EAP1019
Tipo de Manuscrito
PAPER
Categoria
Processamento de Sinal Digital

autores

Gang JIN
  Tianjin University
Jingsheng ZHAI
  Tianjin University
Jianguo WEI
  Tianjin University

Palavra-chave