SGUIE-Net:マルチスケール知覚による意味的注意誘導水中画像強調【JST・京大機械翻訳】

Qi Qi; Li Kunqian; Zheng Haiyong; Gao Xiang; Hou Guojia; Sun Kun

プレプリント

J-GLOBAL ID：202202205126394310 整理番号：22P0025069

SGUIE-Net:マルチスケール知覚による意味的注意誘導水中画像強調【JST・京大機械翻訳】

SGUIE-Net: Semantic Attention Guided Underwater Image Enhancement with Multi-Scale Perception

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年01月08日プレプリントサーバーでの情報更新日： 2022年01月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

波長依存光減衰,屈折および散乱のため,水中画像は,通常,色歪みおよびぼやけた詳細に悩まされる。しかし,参照として非歪画像を有する対水中画像の限られた数のため,多様な劣化タイプのための訓練深増強モデルは,非常に難しい。データ駆動手法の性能を高めるためには,限られた訓練サンプル資源からより豊富な教師つき情報をマイニングするより効果的な学習メカニズムを確立することが重要である。本論文では,SGUIE-Netと呼ばれる新しい水中画像強調ネットワークを提案し,その中で共通の意味領域を共有する異なる画像にわたる高レベル誘導として意味情報を導入した。従って,複数のスケールから異なる意味領域の劣化を知覚し,その元のスケールから抽出した大域的注意特徴に戻るために,意味領域ごとの強化モジュールを提案した。この戦略は,異なる意味オブジェクトに対してロバストで視覚的に楽しい強化を達成するのを助け,それは,分化した強化のための意味情報のガイダンスに通じるべきである。より重要なことに,訓練サンプル分布において一般的でないそれらの劣化タイプのために,誘導は,それらの意味的関連性によって,それらを既によく学習したタイプによってそれらを接続した。公開利用可能なデータセットと提案したデータセットに関する広範な実験は,SGUIE-Netの印象的な性能を示した。コードと提案したデータセットは,https://trentqq.github.io/SGUIE Net.htmlで利用可能である。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , , , ,

前のページに戻る