期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于不可分提升小波的双U-Former图像去雨网络
被引量：
1
1
作者
刘斌
方思严
《计算机应用》
CSCD
北大核心
2023年第10期3251-3259,共9页
针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题,提出基于不可分提升小波的双U-Former网络(DUFN)。首先,利用各向同性的不可分提升小波捕捉各个方向的高频雨纹,相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹,D...
针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题,提出基于不可分提升小波的双U-Former网络(DUFN)。首先,利用各向同性的不可分提升小波捕捉各个方向的高频雨纹,相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹,DUFN能获得更全面的雨纹信息;其次,在各尺度上串联两个由Transformer Block(TB)构成的U-Net,将浅层解码器的语义特征传递到深层阶段,并更彻底地去除雨纹;同时,使用尺度引导编码器通过浅层各尺度信息引导编码阶段,并利用基于CBAM(Convolutional Block Attention Module)的门控融合模块(GFM)使融合过程更专注于有雨区域。实验结果表明,相较于先进方法SPDNet(Structure-Preserving Deraining Network),在Rain200H、Rain200L、Rain1200和Rain12这4个合成数据集上,DUFN的结构相似度(SSIM)平均提高了0.0097,在Rain200H、Rain200L和Rain12这3个合成数据集上,DUFN的峰值信噪比(PSNR)平均提高了0.657 dB;在真实世界数据集SPA-Data上,相较于先进方法ECNetLL(Embedding Consistency Network+Layered Long short-term memory),DUFN的PSNR和SSIM分别提高了0.976 dB和0.0031。验证了DUFN可以通过增强捕捉高频信息的能力提升去雨性能。
展开更多
关键词
图像去雨
不可分提升小波
多尺度
TRANSFORMER
尺度引导
在线阅读
下载PDF
职称材料
小波分频自注意力Transformer图像去雨网络
被引量：
3
2
作者
方思严
刘斌
《计算机工程与应用》
CSCD
北大核心
2024年第6期259-273,共15页
针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变...
针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变换获取特征图的低频分量和高频分量,分别在低频和高频中进行自注意力交互,使模块从低频中学习恢复全局结构的能力,在高频中强化捕捉雨纹等线条细节的能力,增强对不同频域特征的建模能力。WFDST-Net采用U形架构并通过不可分提升小波变换获取多尺度特征,可在捕获不同形状高频雨纹的同时保证信息的完整性。相比其他图像去雨相关的Transformer,WFDST-Net具有更低的参数量。此外,提出VOCRain250数据集用于联合图像去雨和语义分割任务,该数据集比目前广泛使用的BDD150更具优势。实验表明,所提方法增强了视觉Transformer对不同频域信息的捕获能力,并在合成和真实数据集以及VOCRain250中的表现优于目前先进的去雨方法,能有效去除复杂雨纹并保留更多细节特征。
展开更多
关键词
图像去雨
TRANSFORMER
自注意力
不可分提升小波
频域
在线阅读
下载PDF
职称材料
题名
基于不可分提升小波的双U-Former图像去雨网络
被引量：
1
1
作者
刘斌
方思严
机构
湖北大学计算机与信息工程学院
出处
《计算机应用》
CSCD
北大核心
2023年第10期3251-3259,共9页
基金
国家自然科学基金资助项目(61471160)。
文摘
针对基于张量积小波的去雨方法无法捕获所有方向的高频雨纹的问题,提出基于不可分提升小波的双U-Former网络(DUFN)。首先,利用各向同性的不可分提升小波捕捉各个方向的高频雨纹,相较于哈尔小波等张量积小波只能捕捉3个方向的高频雨纹,DUFN能获得更全面的雨纹信息;其次,在各尺度上串联两个由Transformer Block(TB)构成的U-Net,将浅层解码器的语义特征传递到深层阶段,并更彻底地去除雨纹;同时,使用尺度引导编码器通过浅层各尺度信息引导编码阶段,并利用基于CBAM(Convolutional Block Attention Module)的门控融合模块(GFM)使融合过程更专注于有雨区域。实验结果表明,相较于先进方法SPDNet(Structure-Preserving Deraining Network),在Rain200H、Rain200L、Rain1200和Rain12这4个合成数据集上,DUFN的结构相似度(SSIM)平均提高了0.0097,在Rain200H、Rain200L和Rain12这3个合成数据集上,DUFN的峰值信噪比(PSNR)平均提高了0.657 dB;在真实世界数据集SPA-Data上,相较于先进方法ECNetLL(Embedding Consistency Network+Layered Long short-term memory),DUFN的PSNR和SSIM分别提高了0.976 dB和0.0031。验证了DUFN可以通过增强捕捉高频信息的能力提升去雨性能。
关键词
图像去雨
不可分提升小波
多尺度
TRANSFORMER
尺度引导
Keywords
image deraining
non-separable lifting wavelet
multi-scale
Transformer
scale-guide
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
小波分频自注意力Transformer图像去雨网络
被引量：
3
2
作者
方思严
刘斌
机构
湖北大学计算机与信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2024年第6期259-273,共15页
基金
国家自然科学基金(61471160)。
文摘
针对视觉Transformer对高频信息捕捉能力弱以及目前许多图像去雨方法易丢失细节的问题,提出小波分频自注意力Transformer图像去雨网络(WFDST-Net)。小波分频自注意力Transformer(WFDST)作为WFDST-Net的主要模块,其利用不可分提升小波变换获取特征图的低频分量和高频分量,分别在低频和高频中进行自注意力交互,使模块从低频中学习恢复全局结构的能力,在高频中强化捕捉雨纹等线条细节的能力,增强对不同频域特征的建模能力。WFDST-Net采用U形架构并通过不可分提升小波变换获取多尺度特征,可在捕获不同形状高频雨纹的同时保证信息的完整性。相比其他图像去雨相关的Transformer,WFDST-Net具有更低的参数量。此外,提出VOCRain250数据集用于联合图像去雨和语义分割任务,该数据集比目前广泛使用的BDD150更具优势。实验表明,所提方法增强了视觉Transformer对不同频域信息的捕获能力,并在合成和真实数据集以及VOCRain250中的表现优于目前先进的去雨方法,能有效去除复杂雨纹并保留更多细节特征。
关键词
图像去雨
TRANSFORMER
自注意力
不可分提升小波
频域
Keywords
image deraining
Transformer
self-attention
non-separable lifting wavelet
frequency domain
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于不可分提升小波的双U-Former图像去雨网络
刘斌
方思严
《计算机应用》
CSCD
北大核心
2023
1
在线阅读
下载PDF
职称材料
2
小波分频自注意力Transformer图像去雨网络
方思严
刘斌
《计算机工程与应用》
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
