简介:1.该教程提供大量的首发改进的方式,降低上手难度,多种结构改进,助力寻找创新点!
2.本篇文章对Pointnet++特征提取模块进行改进,加入
gconv,提升性能。
3.专栏持续更新,紧随最新的研究内容。
目录
1.理论介绍
图像去雾是低层次视觉中的一个活跃话题,随着深度学习的快速发展,许多图像去雾网络被提出。尽管这些网络的管道运行良好,但改善图像去雾性能的关键机制仍不清楚。因此,我们不打算提出具有花哨模块的除雾网络;相反,我们对流行的U-Net进行最小的修改,以获得紧凑的除雾网络。
具体来说,我们使用门控机制将U-Net中的卷积块交换为残差块,使用选择性核融合主要路径的特征映射并跳过连接