-
公开(公告)号：CN114881871A
公开(公告)日：2022-08-09
申请号：CN202210383384.4
申请日：2022-04-12
Applicant: 华南农业大学
Abstract: 本发明涉及一种融合注意力单幅图像去雨方法，包括：首先将输入图像进行批归一化处理，然后输入到三维注意力机制与残差密集块结构相结合的编码器网络得到高维特征；使用Transformer机制计算全局特征关联性；使用三维注意力残差密集块构建的解码器将特征矩阵逐级还原到原始输入图像大小，得到输出图像；针对去雨过程中算法导致的图像结构信息和细节高频信息被抹除问题，提出将多尺度结构性损失和常用去雨损失函数结合参与去雨网络训练。本发明针对单幅有雨图像进行去雨都能得到更高质量的去雨图像。本发明结合了三维注意力机制、Transformer和编‑解码器架构，可更好提高网络去雨性能。
-
公开(公告)号：CN115546046A
公开(公告)日：2022-12-30
申请号：CN202211046988.6
申请日：2022-08-30
Applicant: 华南农业大学
Abstract: 本发明涉及一种融合频率和内容特征的单幅图像去雾方法，包括：首先将输入图像进行批归一化处理，然后输入到包含频率流和内容流的双流网络；频率流使用倍频卷积提取图像高低频特征，并加入了基于Transformer的高低频双重自注意力机制；内容流为残差嵌套结构提取图像内容特征，并加入了残差通道注意力机制；针对去雾过程中算法导致的图像结构信息和细节高频信息被抹除问题，提出使用倍频卷积准确的提取频率特征，并与内容特征有效结合最终得到去雾图像。本发明针对单幅有雾图像进行去雾都能得到更高质量的去雾图像。本发明结合了倍频卷积、残差通道注意力机制和双重自注意力机制，可更好提高网络去雾性能。
-
公开(公告)号：CN115564664A
公开(公告)日：2023-01-03
申请号：CN202211057854.4
申请日：2022-08-30
Applicant: 华南农业大学
Abstract: 本发明提供一种基于融合双边重组注意力的二阶段Transformer编解码器的去运动模糊方法，为了提高去模糊的效果，提出了Transformer双边动态局部窗口，以水平和垂直方向进行动态增长的局部窗口自注意力，使得网络学习时能从不同方向的局部到全局进行模糊恢复。适用于二阶段编解码器的监督残差注意力机制和优化残差特征传递的双边重组注意力机制，使得模型能够分阶段分别关注残差边缘特征和内容恢复特征，并采用双边重组注意力对残差特征进行重构传递，进一步提升了模型的性能。结合了双边重组注意力机制、监督残差注意力和双边动态局部窗口Transformer二阶段编解码器，从而提高了网络的表达力，提升了去模糊效果。
-
-
Search Results
3
records
(took 0.026 seconds)
