典型文献
融合特征增强及多尺度损失的增量去雾算法
文献摘要：
为提高雾霾图像清晰化效果并实现去雾能力的泛化,提出一种特征增强及多尺度损失约束的网络结构,并采用增量式训练方法对网络进行训练.网络由教师网络和学生网络构成.通过学习教师网络提取的标注样本注意力信息对学生网络提取的特征进行特征增强;将标注样本多尺度语义特征作为软标签,建立多尺度语义特征损失衡量机制,与全局像素差异损失级联,构建面向特征和像素的损失函数;采用增量式训练方法,教师网络为学生网络平衡不同数据集的新旧知识提供先验约束,使网络保留原有知识的前提下,快速提高对增补数据集的泛化能力.实验结果表明,所提算法在主观视觉效果与客观评价指标上均取得了较好的效果.
文献关键词：
图像去雾;特征增强;多尺度损失约束;增量式训练
中图分类号：
作者姓名：
王科平;韦金阳;杨艺;费树岷;崔科飞
作者机构：
河南理工大学 电气工程与自动化学院, 焦作454003;郑州煤矿机械集团股份有限公司 郑煤机液压电控有限公司, 郑州450016;东南大学 自动化学院, 南京210096
文献出处：
引用格式：
[1]王科平;韦金阳;杨艺;费树岷;崔科飞-.融合特征增强及多尺度损失的增量去雾算法)[J].北京邮电大学学报,2022(02):57-64
A类：
多尺度损失约束,增量式训练
B类：
融合特征,特征增强,去雾算法,雾霾图像,图像清晰化,训练方法,教师网络,学生网络,语义特征,特征损失,像素,建面,损失函数,新旧知识,知识提供,先验,增补,补数,泛化能力,视觉效果,客观评价指标,图像去雾
AB值：
0.27588
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
