利用具有变化感受野的二阶通道注意力进行热图像超分辨率重建
图像与视频处理
2021-08-03 v1 计算机视觉与模式识别
摘要
热图像对电磁频谱的长红外波段进行建模,即使在无可见光照明时也能提供有意义的信息。然而,与表征可见光连续谱辐射的影像不同,由于硬件限制,红外图像天生分辨率较低。热图像的复原对于涉及安全、搜索救援和军事行动的应用至关重要。在本文中,我们引入了一种高效重建热图像的系统。具体而言,我们探究如何有效地关注对比性的感受野(RFs),其中增大网络的 RFs 可能在计算上代价高昂。为此,我们引入了变化感受野深度注意力网络(AVRFN)。我们为门控卷积层提供从不同的 RFs 中提取的高阶信息,其中 RF 由膨胀率参数化。通过这种方式,可调谐膨胀率以使用更少的参数,从而提高 AVRFN 的功效。我们的实验结果表明,与竞争的热图像超分辨率方法相比,性能优于当前最优(state of the art)。
引用
@article{arxiv.2108.00094,
title = {Thermal Image Super-Resolution Using Second-Order Channel Attention with Varying Receptive Fields},
author = {Nolan B. Gutierrez and William J. Beksi},
journal= {arXiv preprint arXiv:2108.00094},
year = {2021}
}
备注
To be published in the 2021 13th International Conference on Computer Vision Systems (ICVS)