AMSA-Net:基于注意力的多尺度特征聚合网络,用于单个图像的脱
Shanqin Wang1, Mengjun Miao1,2, Miao Zhang1
1School of Information Engineering, Chuzhou Polytechnic, Chuzhou, China.
Frontiers in neurorobotics
|March 5, 2026
概括
本研究介绍了AMSA-Net,这是一个以注意力为基础的网络,用于单个图像的处理. 这种新型网络有效地解决了雾密度和空间分布问题,大大提高了计算机视觉任务的图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 深度学习增强了单个图像的脱.
- 现有的方法与可变的雾密度和空间分布作斗争,限制了性能.
研究的目的:
- 提出一个基于注意力的多尺度特征聚合网络 (AMSA-Net),以改进单图像的处理.
- 解决当前关于雾密度和空间分布的方法的局限性.
主要方法:
- 开发了AMSA-Net,一种使用多级混合注意力特征聚合模块 (MSHA-FAM) 的编码解码器架构.
- MSHA-FAM包含用于雾密度/空间捕获的尺度感知坐标残余模块 (SCRM) 和用于特征增强的多尺度特征改进残余模块 (MSFRRM).
- SCRM使用了改进的坐标注意力,而MSFRRM采用了改进的像素注意力机制.
主要成果:
- 在实验评估中,AMSA-Net与现有方法相比,显示出更高的除烟质量.
- 废弃性研究证实了AMSA-Net中拟议的SCRM和MSFRRM模块的有效性.
结论:
- 通过有效考虑雾特征,AMSA-Net实现了高质量的单图像除雾.
- 拟议的网络提供了适合后续计算机视觉应用的高质量输出.

