Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 8, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

991

Dehaze-attention:通过基于注意力的多层次深度学习框架来增强图像dehazing.

Hao Huang1, G T S Ho2, M W Geda3

  • 1School of Integrated Circuits, Harbin Institute of Technology, Shenzen, 518055, China.

Scientific reports
|December 19, 2025
PubMed
概括

相关概念视频

Deconvolution01:20

Deconvolution

524
Deconvolution, also known as inverse filtering, is the process of extracting the impulse response from known input and output signals. This technique is vital in scenarios where the system's characteristics are unknown, and they must be inferred from the observable signals.
Deconvolution involves several mathematical techniques to derive the impulse response. One common approach is polynomial division. In this method, the input and output sequences are treated as coefficients of...
524

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Comparative analysis of traditional and metaverse-based education: impacts on students' all-round development.

BMC psychology·2026
Same author

A lightweight fully convolutional neural network for efficient and accurate tunnel crack detection.

Journal of advanced research·2025
Same author

Comparative analysis of Student's live online learning readiness during the coronavirus (COVID-19) pandemic in the higher education sector.

Computers & education·2021
Same author

The antioxidant effects of riluzole on the APRE-19 celll model injury-induced by t-BHP.

BMC ophthalmology·2017
Same author

Nischarin-siRNA delivered by polyethylenimine-alginate nanoparticles accelerates motor function recovery after spinal cord injury.

Neural regeneration research·2017
Same author

Magnetron Sputtering Deposition Cu@Onion-like N-C as High-Performance Electrocatalysts for Oxygen Reduction Reaction.

ACS applied materials & interfaces·2017

本研究介绍了Dehaze-Attention,这是一个用于图像dehazing的高级深度学习模型. 它通过使用注意力机制和多尺度处理,有效地恢复复杂条件下的可见性,优于现有方法.

科学领域:

  • 计算机视觉 计算机视觉
  • 人工智能的人工智能
  • 图像处理 图像处理

背景情况:

  • 深度学习显著提升了图像脱雾,但许多方法在复杂的大气条件下扎,导致可见性恢复不佳.
  • 现有的除雾模型通常依赖于在可变的雾密度下失败的假设,从而限制了它们的实际应用.
  • 有效的图像除尘对于诸如空中成像和自动化系统等应用至关重要.

研究的目的:

  • 提出一个改进的图像脱雾模型,Dehaze-Attention,能够处理可变的雾密度和保存结构信息.
  • 在复杂的大气场景中解决当前除尘方法的局限性.
  • 为了改善下游应用,在模糊图像中增强可见性恢复.

主要方法:

  • 通过卷积层利用先进的特征提取来捕获模糊图像中的基本细节.
  • 集成了一个注意力机制,使得能够动态关注相关特征,并最大限度地减少信息丢失.
  • 结合了多个规模的网络结构,通过全球和本地特征分析来处理不同密度的雾.

主要成果:

  • 在不同的大气条件下,Dehaze-Attention模型在合成的模糊图像上取得了最先进的性能.
  • 与基线模型相比,在量化指标 (峰值信号与噪声比率和结构相似性指数量) 中表现出显著的改进.
关键词:
大气图像成像 - 大气成像深度学习是一种深度学习.图像消毒 图像消毒多尺度网络网络多尺度网络.遥感是一种远程传感.

相关实验视频

Last Updated: Jan 8, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

991
  • 主观评价证实,拟议的模型能够恢复卓越的可见度和保存细节.

    • 结论:

    • 脱注意力模型有效地处理可变的雾密度,同时保留必要的结构信息.
    • 该模型在定量和主观评估方面都显示出显著的改进,超过了现有的除草方法.
    • 增强的可视性恢复功能使Dehaze-Attention适合用于空中成像,自主系统和遥感等应用.