论文阅读:Multi-Scale Progressive Fusion Network for Single Image Deraining

本文提出了一种名为MSPFN的多尺度渐进融合网络,用于图像去雨任务。该网络利用金字塔结构和信道注意力机制,从多尺度角度协同表示雨纹信息。通过递归计算和残差学习,网络能捕捉到雨纹的全局纹理信息,同时通过粗融合和细融合模块逐步融合特征。在损失函数上,采用了Charbonnier罚函数以避免过度平滑。此外,网络还在去雨任务的检测和分割评估中表现出色。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

坐得住凳子。

2020CVPR:MSPFN

这篇文章是2020CVPR的一篇文章,作者来自武汉大学。文章主要结合金字塔结构、信道注意力机制进而协同地表示出多尺度的雨纹信息,提出了一种MSPFN网络。

代码:戳我
在这里插入图片描述
本文主要提出了一种多尺度渐进融合网络(MSPFN)。
对于雨的成像原理,由于雨和相机之间的距离不同,导致图片中的雨水会呈现出不同的模糊度和分辨率,因此可以利用多分辨率和多尺度之间的互补信息来表示雨纹。本文主要提出了一个框架从输入图像尺度和层次深度特征的角度,探讨了雨纹的多尺度协同表示,进而完成去雨。
对于不同位置的相似雨纹,采用了递归计算来获取全局纹理,从而探索空间维度上的互补和冗余信息来表征目标雨纹。此外,还构建了多尺度的金字塔结构,并进一步引入了注意机制来指导不同尺度的相关信息的精细融合。
多尺度渐进融合策略提高协同表示并促进端到端训练。

主要创新之处:

1、基于雨纹的相关性,通过挖掘不同尺度雨纹之间的互补信息,包括相似的外观组
成等,并通过循环计算,对雨纹分布进行更好的建模。
2、通过三个不同的模块CFM+FFM+RM,结合金字塔结构、信道注意力机制进而协
同地表示多尺度的雨纹信息,提出了MSPFN网络。
3、将去雨方法用于检测、分割进行全面的评

评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值