用于从 RGB 图像进行光谱重建的轻量残差密集注意力网络
图像与视频处理
2020-04-21 v2 计算机视觉与模式识别
神经与进化计算
摘要
高光谱成像是对特定场景的光谱与空间信息的获取。通过专用高光谱相机捕获此类信息仍然成本高昂。从 RGB 图像重建此类信息在分类与物体识别任务中均能获得更好的解决方案。本工作提出了一种基于带注意力机制的残差密集模型的新型轻量网络，其参数量极少，约为 233,059 个参数，以获得该解决方案。该网络使用协调卷积块来获取空间信息。该块的权重由两个独立的特征提取机制共享，一个通过密集特征提取，另一个通过多尺度分层特征提取。最后，来自两个特征提取机制的特征被全局融合以产生 31 个光谱波段。该网络使用 NTIRE 2020 挑战赛数据集进行训练，从而以较低的计算复杂度取得了 0.0457 的 MRAE 度量值。
引用
@article{arxiv.2004.06930,
title = {Light Weight Residual Dense Attention Net for Spectral Reconstruction from RGB Images},
author = {D. Sabari Nathan and K. Uma and D Synthiya Vinothini and B. Sathya Bama and S. M. Md Mansoor Roomi},
journal= {arXiv preprint arXiv:2004.06930},
year = {2020}
}
备注
6pages,4 figures