HyperAIHyperAI
منذ 8 أيام

شبكة تفتيت ضباب متعددة المقياس مع دمج مكثف للسمات

Hang Dong, Jinshan Pan, Lei Xiang, Zhe Hu, Xinyi Zhang, Fei Wang, Ming-Hsuan Yang
شبكة تفتيت ضباب متعددة المقياس مع دمج مكثف للسمات
الملخص

في هذه الورقة، نقترح شبكة إزالة الضباب متعددة المقياس مع تحسين مُتعدد الميزات مبنيّة على بنية U-Net. تم تصميم الطريقة المقترحة وفقًا لمبدأين أساسيين، وهما التحسين (boosting) والعودة التصحيحية للخطأ (error feedback)، ونُظهر أن كلا المبدأين مناسبان لمشكلة إزالة الضباب. من خلال دمج استراتيجية التحسين من نوع "تعزيز-تشغيل-طرح" (Strengthen-Operate-Subtract) في الجزء المشفر (decoder) للنموذج المقترح، نطور مشفرًا مُحسّنًا بسيطًا لكنه فعّال، قادر على استعادة صورة خالية من الضباب بشكل تدريجي. ولحل مشكلة الحفاظ على المعلومات المكانية في بنية U-Net، صممنا وحدة دمج الميزات الكثيفة باستخدام مخطط التغذية العكسية (back-projection feedback). ونُظهر أن وحدة دمج الميزات الكثيفة قادرة على إصلاح النقص في المعلومات المكانية الناتجة عن الميزات عالية الدقة، وفي الوقت نفسه الاستفادة من الميزات غير المجاورة. تُظهر التقييمات الواسعة أن النموذج المقترح يتفوّق على أحدث الأساليب المُعتمدة في مجموعة بيانات المعايير، وكذلك في الصور الواقعية المُغطاة بالضباب.

شبكة تفتيت ضباب متعددة المقياس مع دمج مكثف للسمات | أحدث الأوراق البحثية | HyperAI