科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于深度学习的去模糊方法已经取得了较大进展，但是随着网络层数加深，去模糊网络需要更多的计算资源和内存消耗，难以用于实际场景。针对目前的去模糊网络参数量大、运算时间长等问题，该文设计了一种轻量快速的渐进式残差去模糊网络。该网络使用浅层残差网络作为基准模型，可充分利用图像的局部特征信息，加强反向传播时的信息流通。同时，通过多阶段递归调用残差网络并进行参数共享，可大大简化网络模型，减少网络参数。为了进一步提高去模糊网络的特征重建能力，该文引入特征重标定模块进行特征融合，对输入图像与各个残差网络的输出特征图进行通道加权，并对特征图的空间信息进行自适应选择，实现更好的特征重建。实验结果表明，所提算法网络模型参数量小、运行速度快，大幅度领先于现有算法，且对各种空域可变模糊去除均可实现理想复原效果。
- 单位
