典型文献
轻量级注意力级联网络的偏振计算成像超分辨率重建
文献摘要：
深度学习模式下新型偏振计算成像方法存在随着网络深度的增加计算复杂度和内存使用相应增加以及分层特征提取不充分的问题,针对该问题,提出一种轻量级注意力级联网络的偏振计算成像超分辨率方法,采用级联连接和融合连接的方式来深化卷积层的表征能力,以有效地传递浅层特征并减少参数量.设计空间注意力自适应权重机制以提取关键的空间内容特征,构造空间金字塔网络增强多感受野下的偏振特征信息,特别地,上采样模块引入浅层与深层重建双路径,通过融合双层路径特征计算生成高分辨率偏振图像.最后,网络末端信息细化块用以学习更精细的特征并增强重建质量.实验结果表明:本文网络重建图像的纹理细节更加丰富,在全偏振图像集上2倍超分辨率的峰值信噪比为45.12 dB,参数量仅约为MSRN模型的9％.所提方法通过级联方式有效捕捉低频特征信息同时极大地减少参数量,并结合注意力金字塔结构探索深层特征,实现了轻量级网络的高效超分辨率重建效果.
文献关键词：
计算成像;超分辨率;轻量级网络;偏振图像;级联连接
中图分类号：
作者姓名：
王杰;徐国明;马健;王勇;李毅
作者机构：
安徽大学互联网学院,安徽合肥230039;安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,安徽合肥230601;陆军炮兵防空兵学院偏振光成像探测技术安徽省重点实验室,安徽合肥230031;安徽文达信息工程学院智能技术研究所,安徽合肥231201
文献出处：
引用格式：
[1]王杰;徐国明;马健;王勇;李毅-.轻量级注意力级联网络的偏振计算成像超分辨率重建)[J].光学精密工程,2022(19):2404-2419
A类：
级联连接,MSRN
B类：
轻量级注意力,级联网络,计算成像,超分辨率重建,学习模式,成像方法,加计,计算复杂度,卷积层,表征能力,参数量,设计空间,空间注意力,自适应权重,重机,内容特征,空间金字塔,金字塔网络,多感受野,偏振特征,特征信息,上采样,样模,双路径,特征计算,偏振图像,信息细化,重建质量,重建图像,峰值信噪比,dB,低频特征,注意力金字塔,金字塔结构,深层特征,轻量级网络
AB值：
0.326634
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。
