基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
神经网络已被大量应用于图像去雾领域,并取得了较好的效果.但是一般用于去雾的神经网络的深度较深且结构复杂,不利于其在嵌入式平台上的部署.提出了一种基于基础块堆叠的架构,BP-Net(Block Piled Network) .并分别尝试用残差块与信息蒸馏网络(IDN)的信息蒸馏块作为网络中的基础块.此外,采用感知损失函数进行网络训练.训练结果在SOTS测试集上的平均PSNR与SSIM值分别达到了33.15 dB与0.977 2.此外,在大幅缩减基础块数量后,网络去雾效果也有良好表现.
推荐文章
基于BP神经网络的雾天图像复原算法
雾天图像
图像复原
神经网络
粒子群优化算法
基于BP神经网络的雾天图像复原算法
雾天图像
图像复原
神经网络
粒子群优化算法
基于深度多级小波U-Net的车牌雾图去雾算法
车牌雾图去雾
MWCNN
“SOS”增强策略
跨层连接
注意力
跨尺度聚合
基于图像分割的去雾算法
暗通道
阈值分割
skyline
最小二乘方滤波
去噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP-Net网络结构的图像去雾算法研究
来源期刊 光学与光电技术 学科 工学
关键词 神经网络 去雾 残差网络 信息蒸馏 感知损失
年,卷(期) 2020,(6) 所属期刊栏目 图像与信号处理
研究方向 页码范围 46-52
页数 7页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
神经网络
去雾
残差网络
信息蒸馏
感知损失
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光学与光电技术
双月刊
1672-3392
42-1696/O3
大16开
武汉市阳光大道717号
38-335
2003
chi
出版文献量(篇)
2142
总下载数(次)
3
总被引数(次)
9791
论文1v1指导