有梦想的炸豆皮
快乐就好
展开
-
HyperTransformer: A Textural and Spectral Feature Fusion Transformer for Pansharpening
HyperTransformer: A Textural and Spectral Feature Fusion Transformer for PansharpeningHyperTransformer:用于全色锐化的纹理和光谱特征融合Transformer来源:CVPR2022Transformer已经用到了全色锐化领域了~~~文章一直说是全色锐化,代码显示是对HRHSI高斯模糊下采样得到LRHSI,选HRHSI三个波段拼接得到三波段图像,将这两者融合。HyperTransformer在本文中被当原创 2022-03-13 09:46:52 · 6110 阅读 · 0 评论 -
基于隐式神经表示的RGB图像连续谱重建(NeSR)
Continuous Spectral Reconstruction from RGB Images via Implicit Neural Representation(NeSR)基于隐式神经表示的RGB图像连续谱重建中国科学技术大学 、华为诺亚方舟实验室、北京理工大学摘要:现有的光谱重建方法通常学习从RGB图像到多个光谱带的离散映射。然而,这种建模策略忽略了光谱特征的连续性。在本文中,通过引入一种新的连续光谱表示,提出了神经光谱重建(NeSR)来打破这一限制。为此,本文接受了隐函数的概念,并用神经原创 2022-01-21 22:09:51 · 3315 阅读 · 0 评论 -
SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers Transformer高光谱分类论文笔记
SpectralFormer: Rethinking Hyperspectral Image Classification with Transformers作者:Danfeng Hong,Zhu Han,Jing Yao, Lianru Gao,Bing Zhang,Antonio Plaza,and Jocelyn Chanussot来源:2021 IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING本文动机:CNN原创 2021-12-03 21:31:22 · 14242 阅读 · 7 评论 -
CA-Net: Comprehensive Attention Convolutional Neural Networks用于可解释医学图像分割的综合注意卷积神经网络
CA-Net: Comprehensive Attention Convolutional Neural Networks论文:CA-Net: Comprehensive Attention Convolutional Neural Networks for Explainable Medical Image Segmentation代码:HiLab-git/CA-Net准确的医学图像分割对于疾病的诊断和治疗计划至关重要。卷积神经网络(CNN)在自动医学图像分割方面已经取得了最先进的性能。然而,它们仍转载 2021-10-20 11:25:00 · 1855 阅读 · 0 评论 -
Coordinate Attention for Efficient Mobile Network Design坐标注意力以实现高效的移动网络设计论文笔记
Coordinate Attention for Efficient Mobile Network Design坐标注意力以实现高效的移动网络设计CVPR2021 即插即用的注意力块Mobile Network设计的最新研究成果表明,通道注意力(例如,SE注意力)对于提升模型性能具有显著效果,但它们通常会忽略位置信息,而位置信息对于生成空间选择性注意力图是非常重要。因此在本文中,作者通过将位置信息嵌入到通道注意力中提出了一种新颖的移动网络注意力机制,将其称为“Coordinate Attention原创 2021-10-11 16:14:04 · 524 阅读 · 0 评论 -
Ultra Lightweight Image Super-Resolution with Multi-Attention Layers论文笔记
Ultra Lightweight Image Super-Resolution with Multi-Attention Layers具有多注意力层的超轻量级图像超分辨率在AIM 2020高效SR挑战赛上,分别在内存使用,FLOPs和参数数量上获得了第一,第三和第四名,优于CBPN和CARN等。轻量级图像超分辨率(SR)网络对于现实应用具有最重要的意义。有几种基于深度学习的SR方法具有出色的性能,但是它们的内存和计算成本却在实际使用中受到阻碍。为了解决此问题,我们提出了一种多注意力特征融合超分辨率转载 2021-08-24 11:03:05 · 657 阅读 · 0 评论 -
Residual Feature Distillation Network for Lightweight Image Super-Resolution(AIM2020)轻质超分辨率的残差特征蒸馏
图像超分取得了极大的进展,尽管基于CNN的方法取得了极好的性能与视觉效果,但是这些模型难以部署到端侧设备(高计算量、高内存占用)。为解决上述问题,已有各种不同的快速而轻量型的CNN模型提出,**IDN(Information Distillation Network, IDN)**是其中的佼佼者,它采用**通道分离**的方式提取蒸馏特征。然而,我们并不是很清晰的知道这个操作是如何有益于高效单图超分(SISR)的。本文提出一种等价于通道分离操作的**特征蒸馏连接操作****(Feature Disti原创 2021-08-21 09:20:32 · 3305 阅读 · 0 评论 -
MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution论文笔记
MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-ResolutionMASA-SR基于匹配加速和空间适应的有参考超分辨率CVPR2021,代码:https://github.com/dvlab-research/MASA-SR。快手,思谋,港中文论文中有些小问题还不是很清楚在这里插入图片描述在这里插入图片描述...原创 2021-08-20 11:56:12 · 1433 阅读 · 2 评论 -
Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning对抗学习波段注意高光谱超分论文笔记
**Hyperspectral Image Super-Resolution by Band Attention Through Adversarial Learning**IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, VOL. 58, NO. 6, JUNE 2020高光谱图像(HSI)的超分辨率(SR)是一项具有挑战性的任务,因为当放大系数较大时,会出现纹理模糊和光谱失真问题。为了应对这两个挑战,本文提出了通过对抗性学习的波段注意力。首先原创 2021-07-15 22:01:20 · 645 阅读 · 1 评论 -
DMSANet: Dual Multi Scale Attention Network(2021CVPR)双尺度注意网络论文笔记
DMSANet: Dual Multi Scale Attention Network双多尺度注意网络Abhinav Sagar作者主页:https://abhinavsagar.github.io/在本文中,提出了一个新的注意力模块,它不仅能达到最好的性能,而且与大多数现有的模型相比,具有更少的参数。最近,注意力机制在计算机视觉界相当流行。为了提高网络的性能,人们做了大量的工作,尽管几乎总是导致计算复杂性的增加。在本文中,提出了一个新的注意力模块,它不仅能达到最好的性能,而且与大多数现有的模型相比原创 2021-06-19 21:33:08 · 2494 阅读 · 2 评论 -
频谱分治的多光谱和高光谱图像融合方法 论文笔记
频带分治的多光谱和高光谱图像融合方法 在本文中,我们提出了一个频谱分治框架(BDCF)来解决这个问题,通过全面考虑频谱保真度、空间增强和计算效率。首先,根据HS和MS的谱响应,将HS的谱带分为重叠和非重叠带,然后提出了一种新的基于组分替换(CS)的改进方法来融合LRHS的重叠带。然后,提出了一种基于映射的神经网络方法来构造原始LRHS数据的重叠带和非重叠带之间的复杂非线性关系。将训练后的网络映射到融合重叠的HRHS波段,以估计非重叠的HRHS波段。...原创 2021-05-12 21:45:23 · 733 阅读 · 2 评论 -
用于多聚焦图像融合的全局特征编码GEU网论文笔记
与传统方法相比,基于卷积神经网络的多聚焦图像融合方法从源图像中学习聚焦图,大大提高了融合性能。然而,这些方法尚未达到令人满意的融合结果,因为卷积运算过于关注局部区域、将生成聚焦图作为局部分类(将每个像素分类为聚焦或非聚集类别)问题。 提出了一种用于多聚焦图像融合的全局特征编码的GEU网络。在所提出的全局优化网络中,使用了U-Net网络将聚焦图的生成作为一个全局两类分割任务,从全局角度分割聚焦和散焦区域。为了提高U-Net的全局特征编码能力,引入了全局特征金字塔提取模块(GFPE)和全局注意连接上采样模块..原创 2020-12-04 15:38:49 · 825 阅读 · 3 评论 -
基于CNN的Landsat 8全色与多光谱图像融合的泛锐化方法
基于CNN的Landsat 8全色与多光谱图像融合的泛锐化方法摘要为了解决影响传统方法的光谱和空间失真问题,提出了一种基于卷积神经网络结构的泛锐化方法,将低空间分辨率的多光谱图像进行升级,并与高空间分辨率的全色图像进行融合,生成一幅新的高空间分辨率的多光谱图像。该方法基于有线电视网络体系结构的金字塔结构,具有较高的学习能力,能够为建设任务生成更具代表性和鲁棒性的层次特征。此外,通过叠加多个线性滤波层可以有效模拟高度非线性的融合过程,适用于学习高空间分辨率全色图像和低空间分辨率多光谱图像之间的复杂..原创 2020-10-31 10:51:16 · 1965 阅读 · 2 评论 -
基于自适应响应函数学习的耦合卷积神经网络在高光谱超分辨中的应用 论文笔记
Coupled Convolutional Neural Network With Adaptive Response Function Learning for Unsupervised Hyperspectral Super ResolutionHyCoNet由三个耦合的自动编码器网络组成,其中HSI和MSI基于线性分解模型解混成端元和丰度。设计了两个特殊的卷积层作为与三个自编码网络协调的桥梁,在训练过程中自适应地学习两个卷积层的PSF和SRF参数。此外,在联合损失函数的驱动下,该方法简单明了,原创 2020-10-31 10:47:08 · 622 阅读 · 0 评论 -
高光谱图像超分辨率空间谱先验学习论文笔记
Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery原创 2020-09-24 10:25:47 · 1942 阅读 · 5 评论 -
GDD无监督图像对融合 论文笔记
Guided Deep Decoder: Unsupervised Image Pair Fusion摘要:提出了一个有指导的深度编码器网络作为一般先验。所提出的网络由两部分组成:1、利用引导图像的多尺度特征的编码器-解码器网络。2、产生输出图像的深度解码器网络组成。这两个网络由特征细化单元连接,以将引导图像的多尺度特征嵌入到深度解码器网络中。所提出的网络允许在没有训练数据的情况下以无监督的方式优化网络参数。符号表示:低分辨率或有噪声的输入图像、guidance图像C W和H分别表示通道数.原创 2020-09-17 10:39:53 · 814 阅读 · 0 评论 -
高光谱和多光谱数据融合的比较[综述]2017 论文笔记
近年来,人们在设计图像处理算法以提高高光谱图像的空间分辨率方面做了大量的工作。HS数据与高空间分辨率多光谱(MS)数据的融合是最常见的问题之一。基于不同的理论,人们提出了不同的数据融合方法,包括分量替代(CS)、多分辨率分析(MRA)、光谱分离和贝叶斯概率。本文通过大量的实验对那些HS-MS融合技术进行了比较综述。通过定量和可视化评估10种最先进的HS-MS融合方法的融合性能,对其进行了比较。实验中使用了8个具有不同地理和传感器特征的数据集来评估融合算法的通用性和通用性。为了最大化这种比较的公平性和透明..原创 2020-10-31 10:50:33 · 2492 阅读 · 3 评论 -
具有结构张量表示的无监督深度图像融合 论文笔记
Unsupervised Deep Image Fusion With Structure Tensor Representations具有结构张量表示的无监督深度图像融合来源:IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 29, 2020作者:Hyungjoo Jung, Youngjung Kim , Hyunsung Jang, Namkoo Ha, and Kwanghoon Sohn...原创 2020-06-28 09:39:11 · 864 阅读 · 5 评论 -
一用于半盲高光谱和多光谱图像融合的非局部稀疏张量分解 论文笔记
Nonlocal Sparse Tensor Factorization for Semiblind Hyperspectral and Multispectral Image Fusion一用于半盲高光谱和多光谱图像融合的非局部稀疏张量分解Renwei Dian , Student Member, IEEE, Shutao Li , Fellow, IEEE, Leyuan Fang , Senior Member, IEEE, Ting Lu , Member, IEEE, and José原创 2020-06-19 11:13:08 · 768 阅读 · 0 评论 -
基于元分析思想的遥感图像泛锐化方法综述:实践探讨与挑战 论文笔记
题目:Review of the Pansharpening Methods for Remote Sensing Images Based on the Idea of Meta-analysis: Practical Discussion and Challenges 基于元分析思想的遥感图像泛锐化方法综述:实践探讨与挑战作者:Xiangchao Meng , Huanfeng ...原创 2020-10-31 21:47:58 · 629 阅读 · 1 评论 -
DDcGAN:一种用于多分辨率图像融合的双鉴别器条件生成对抗网络 论文笔记
DDcGAN: A Dual-Discriminator Conditional Generative Adversarial Network for Multi-Resolution Image FusionDDcGAN:一种用于多分辨率图像融合的双鉴别器条件生成对抗网络提出了一种新的端到端模型,称为双鉴别器条件生成对抗性网络(DDcGAN),用于融合不同分辨率的红外和可见光图像。摘要我们的方法建立了一个生成器和两个鉴别器之间的对抗性游戏。 生成器的目的是生成一个真实的..原创 2020-06-19 11:09:47 · 3107 阅读 · 7 评论 -
图像超分辨率深度学习 (综述 )论文笔记
题目:Deep Learning for Image Super-Resolution 期刊:Neurocomputing年份:2019作者:Wenming Yang, Fei Zhou, Rui Zhu, Kazuhiro Fukui, Guijin Wang, Jing-Hao Xue 摘要:图像超分辨率(SR)的目标是从低分辨率(LR)输入图像或视频序列中恢复视觉上效果更好的高分辨率(HR)图像。 图片SR已经被证明是非常重要的 ,在视频监控、超高清晰度电视、低分辨率人脸识别和遥感成像原创 2020-05-11 15:10:10 · 2253 阅读 · 0 评论 -
具有深度先验的高光谱图像泛锐化算法 论文笔记
Hyperspectral Pansharpening With Deep Priors具有深度先验的高光谱泛锐化(HPDP)来源:IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS作者:Weiying Xie , Member, IEEE, Jie Lei , Member, IEEE, Yuhang Cui, Yunsong Li, and Qian Du , Fellow, IEEE年份:2019原创 2020-05-04 16:43:44 · 1735 阅读 · 0 评论 -
一种新的基于对抗性的高光谱和多光谱图像融合方法 论文笔记
题目:A Novel Adversarial Based Hyperspectraland Multispectral Image Fusion期刊:remote sensing年份:2019作者:Xukun Luo , Jihao Yin ,, Xiaoyan Luo and Xiuping Jia摘要:为了重建高空间分辨率和高光谱分辨率的图像,最常用的方法之一就是将高...原创 2020-05-04 08:54:19 · 3520 阅读 · 1 评论