每周一篇 文献阅读—pape9 （用于单图像去雾的特征融合注意网络FFA-Net）

文章链接：https://arxiv.org/pdf/1911.07559.pdf

摘要

本文提出了一种端到端的特征融合注意网络（FFA-Net），用于直接恢复无雾图像。FFA网络体系结构由三个关键组成部分组成：
1）针对不同通道的特征包含完全不同的加权信息，并且雾度在不同的图像像素上分布不均匀这个问题，提出了一种新的特征注意力（FA）模块，将Channel Attention与Pixel Attention 机制相结合。FA不平等地处理不同的特征和像素，这为处理不同类型的信息提供了额外的灵活性，扩展了CNNs的表示能力。

2）基本的块结构由local Residual Learning 和特征注意力（FA）模块组成，local Residual Learning 允许通过多个local residual connections来跳过薄雾区或低频等不太重要的信息，让主网络结构专注于更有效的信息。

3）基于注意力的不同级别的特征融合（FFA）结构，可以从特征注意力（FA）模块中自适应学习特征权重，从而为重要特征赋予更多权重。这种结构还可以保留浅层信息，并将其传递到深层。

网络结构

该网络是主要由三组Group structure组成的，而Group structure又是由N个basic block strcture以及skip connection组成的&