【论文笔记3】RFN-Nest: An end-to-end residual fusion network for infrared and visible images

RFN-Nest: An end-to-end residual fusion network for infrared and visible images

RFN-Nest：红外与可见光图像的端对端残差融合网络

宝子们，今天学习了RFN-Nest这篇文献，和上一篇的DenseFuse同一个作者。下面是我的学习记录，希望对各位宝子们有所帮助~

介绍

设计可学习的融合策略是图像融合领域的一个极具挑战性的问题。前面我们学习的DenseNet就是手工融合策略。

本文提出一种新的端对端融合网络架构（RFN-Nest）的红外和可见光图像融合，提出了一种基于残差结构的残差融合网络（RFN），提出了一种新的细节保持损失函数和特征增强损失函数来训练RFN。融合模型的学习是由一个新的两阶段的训练策略，第一阶段，基于创新的嵌套连接（Nest）概念训练自动编码器，第二阶段，利用损失函数来训练RFN。

主要贡献

1、提出了一种新的残差融合网络（RFN）来代替手工的融合策略；

2、由于特征提取和特征重构能力是编码器和解码器网络的关键，因此设计了一个两阶段的训练策略来设计网络；

3、设计了一个能够保留图像细节的损失函数，以及一个增强损失函数的特征来训练RFN网络。

融合网络架构