科研之友
微信
新浪微博
Facebook
分享链接
摘要
在边缘场景下，气象图像采集模型大多部署在算力较低的移动端或边缘设备上，造成观测图像分辨率较低，给天气现象检测带来困难，且传统FSRNet生成的图像存在伪影、模糊等问题，因此需要优化天气图像超分辨率网络，提高图像的分辨率.基于无锚检测器，提出以观测要素为点的检测方案，不需要手动设置锚框，使检测模型轻量且高效.通过引入热图损失、目标注意力损失和对抗性损失等多维损失函数，对粗糙SR网络进行优化，使低分辨率图像完成递进式训练.优化骨干网络ShuffleNetV2，使检测模型更加轻量化，提高超分辨率天气图像检测的性能.实验结果证明，此天气图像超分辨率重建模型可以生成质量更高、细节更加清晰的目标观测图像，更加轻量的检测模型适用于非约束场景，在FDDB上的平均精度值（AverP）达到97.7%，优于其他先进模型.
