国家学术搜索
登录
注册
中文
EN
首页
|
基于频谱特征增强的边缘侧暗光增强算法
基于频谱特征增强的边缘侧暗光增强算法
引用
认领
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
万方数据
维普
中文摘要：
针对主流暗光增强算法模型参数量、计算量较大，部署在边缘测设备性能不佳，以及边缘设备算子受限的问题，本文基于UNet提出一种轻量级算法Fca-UNet。由于传统UNet算法存在，卷积结构局部性强，难以有效捕捉远距离依赖性，在暗光环境下容易丢失细节信息等问题，对噪声区域的处理能力有限，此外UNet参数量冗余，卷积层数深，难以在边缘侧高效运行。FcaNet通过频域特征分析更好地保留了图像色彩细节信息。本文提出的Fca-UNet网络，将4层的Unet网络层数轻量到2层，在UNet主干中引入FcaNet，向UNet网络输入输出分别引入亮暗通道增强，再引入误差补偿避免噪声放大。在3090ti和Sophon SE5上PSNR分别达到22。275dB和22。257dB，相比于UNet提升了17。1%和17%，在Sophon SE5推理速度达到81FPS，相比于UNet提升了2倍。
收起全部
展开查看外文信息
作者：
彭勃兴、陶青川
展开 >
作者单位：
四川大学 电子信息学院,四川成都,610065
关键词：
深度学习
暗光增强
UNet
频谱注意力
误差补偿
Sophon
SE5
出版年：
2025
电子制作
中国家用电器服务维修协会
电子制作
ISSN：
1006-5059
年,卷(期)：
2025.
33
(1)
万方数据
维普
