摘要
基于深度学习的图像去雾算法极大地提升了图像的去雾性能,但目前仍存在局限。大
多数算法在推理过程中对不同空间像素和不同特征通道施以相同的权重,导致算法在真实
复杂的大气环境下去雾效果欠佳。同时,部分算法设计复杂的网络结构来提升性能,但也
导致参数量变大,计算更加复杂,不利于模型的训练、预测和部署。针对上述问题,提出
了一种通道门控特征融合的自适应图像去雾算法。首先,在编码阶段,重新设计分离卷积
的门控线性残差块,通过优化分支结构,嵌入分离卷积的门控线性注意力机制和空间域通
道注意力机制,在增强模型
您可能关注的文档
- 移动社交短视频用户在线交互行为影响因素研究.pdf
- 基于混合模型的智能合约漏洞检测方法.pdf
- 制造业上市企业短贷长投对财务困境风险的影响研究.pdf
- 因素空间背景基的流量异常检测基点分类方法研究.pdf
- YT制药公司营运资金管理绩效评价研究.pdf
- 基于灰靶理论的企业员工安全胜任力评价研究.pdf
- 三元交互理论下创业环境对高学历青年电商创业行为影响研究.pdf
- L医药公司物流配送中心选址研究.pdf
- 基于改进樽海鞘算法的太阳能冷热电联供系统优化研究.pdf
- 引入注意力机制的脉冲神经网络图像分类研究.pdf
- 七年级语文上册期末模拟试卷1(解析版).docx
- 七年级语文上册期末模拟试卷1(原卷版).docx
- 七年级语文上册期末模拟试卷2(原卷版).docx
- 七年级语文上册期末模拟试卷2(解析版).docx
- 期末测试卷(二)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(三)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(二)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(三)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(一)(原卷版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
- 期末测试卷(一)(解析版)2024—2025学年七年级语文上册期末测试卷(全国版).docx
最近下载
- 壳牌可耐压(Omala)S2G220.PDF VIP
- 东易日盛装饰公司标准化服务对策研究.doc VIP
- 光纤覆盖工程施工安全管理及风险控制方案.docx VIP
- 江苏省南京市五校联盟2024-2025学年高二上学期1月期末考试 数学 含解析.docx VIP
- 欧伟士智能电暖器 Pro2500 Pro3000 说明书.pdf
- 2020—2021人教物理必修一第4章 牛顿运动定律习题及答案.doc VIP
- 2023版中国近现代史纲要第一章 第一节鸦片战争前后的中国与世界.pptx
- PDPS培训教程_原创精品文档.pptx VIP
- 2021 年全国一级建造师考试执业资格考试法规-白金卷.docx VIP
- 光纤覆盖工程施工安全管理及风险控制方案 .pdf VIP
原创力文档

文档评论(0)