基于编解码结构的深度分层去雾网络.pdfVIP

下载本文档

1
0
约1.6万字
约 13页
2023-05-18 发布于北京
举报
版权申诉

基于编解码结构的深度分层去雾网络.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于编解码结构的深度分层去雾网络，将输入图像分割成多个小图像块，网络的下层是细粒度图像块，上层是粗粒度图像块，下层网络将学习到的局部特征叠加到上层，提高了提取特征的可重用性。每一层网络之间通过残差连接将下层网络的重建图像与上一层网络的输入图像进行元素级相加，使得上层网络可以共享下层网络的局部信息，从而专注于提取其他关键特征。另外，该模型在每一层中使用了新的编码器解码器结构，摒弃了广泛使用的残差块，选择残差通道注意力模块，根据各个通道之间的相关性，为每个通道的特征图分配相应权重，使

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114862719 A (43)申请公布日 2022.08.05 (21)申请号 202210534303.6 (22)申请日 2022.05.17 (71)申请人东南大学地址 211189 江苏