10.12141/j.issn.1000-565X.220025
基于残差注意力融合和门控信息蒸馏的图像修复
图像修复在计算机视觉任务中具有重大的意义和价值.近年来,基于深度学习的图像修复模型被广泛应用于该领域中.但是现有的深度学习图像修复模型存在对破损图像中有效信息的利用不足和受破损图像中掩码信息干扰的问题,从而导致修复出的图像的部分结构缺失和部分细节模糊.为此,文中提出了基于残差注意力融合和门控信息蒸馏的图像修复模型.首先,该图像修复模型由生成器和鉴别器两部分组成,生成器的主干结构采用U-Net网络,由编码器和解码器组成;鉴别器采用马尔可夫鉴别器,由6个卷积层组成.然后,在编码器和解码器中分别构建残差注意力融合结构,以增强破损图像中有效信息的利用和减少掩码信息的干扰.最后,在编码器和解码器的跳跃连接中嵌入门控信息蒸馏模块,进一步提取待修复图像中的有效低级特征.在公开人脸和街景数据集上的实验结果表明:文中模型在语义结构和纹理细节方面具有更好的修复效果;文中模型的结构相似性、峰值信噪比、平均绝对值误差、最小平方误差和弗雷歇距离指标均优于5种对比模型,说明文中模型的修复质量优于对比模型.
深度学习、图像修复、残差注意力融合、门控信息蒸馏
50
TP391.4(计算技术、计算机技术)
国家自然科学基金;云南省应用基础研究计划项目
2023-02-06（万方平台首次上网日期，不代表论文的发表时间）
共11页
49-59
