![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献阅读
文章平均质量分 92
记录文献阅读,方便随时查找。
小飒要学习
这个作者很懒,什么都没留下…
展开
-
Multi-Branch Network for Color Image Denoising Using Dilated Convolution and Attention Mechanisms
图像去噪被认为是计算机视觉任务中的一个不适定问题,它可以消除图像传感器中的附加噪声。最近,几种基于卷积神经网络的图像去噪方法取得了显着的进展。然而,由于图像内容的复杂性,简单的去噪网络很难恢复美观的图像。因此,本研究提出了一种多分支网络来提高去噪方法的性能。首先,所提出的网络是基于传统的自动编码器设计的,以从输入图像中学习多级上下文特征。随后,我们将两个模块集成到网络中,包括金字塔上下文模块(PCM)和残差瓶颈注意力模块(RBAM),以提取训练过程的显着信息。原创 2024-06-25 11:30:50 · 851 阅读 · 0 评论 -
U-Net
在本文中,我们提出了一种网络和训练策略,该策略依赖于数据增强的强力使用来更有效地使用可用的带注释样本。该架构由捕获上下文的收缩路径和实现精确定位的对称扩展路径组成。原创 2024-06-20 16:49:10 · 530 阅读 · 0 评论 -
Focal Network for Image Restoration
图像恢复的目的是从退化的图像中重建清晰的图像,这在许多领域发挥着重要作用。最近,Transformer 模型在各种图像恢复任务上取得了可喜的性能。然而,它们的二次复杂度对于实际应用来说仍然是一个棘手的问题。本研究的目的是开发一种高效且有效的图像恢复框架。受损坏图像中的不同区域总是经历不同程度的退化这一事实的启发,我们建议更多地关注重建的重要区域。为此,我们引入了双域选择机制来强调恢复的关键信息,例如边缘信号和硬区域。此外,我们分割高分辨率特征以将多尺度感受野插入到网络中,从而提高了效率和性能。原创 2024-06-19 16:40:57 · 890 阅读 · 0 评论