在图像去雾任务中,有监督方法由于依赖大量合成配对图像,常面临泛化能力差和过拟合的问题;而无监督方法由于缺乏有效约束,往往去雾效果不理想,且容易导致图像纹理信息的丢失.为解决以上问题,文章提出一种基于多尺度特征融合注意力的半监督图像去雾网络.首先,通过半监督学习策略,将合成图像与真实图像一同用于网络训练,从而提高模型的泛化能力并增强去雾效果.其次,引入多尺度特征融合注意力模块,通过融合不同尺度的注意力,整合多层次特征信息,从而增强模型捕捉图像细节与全局信息的能力,改善恢复图像的细节和纹理质量.在公开的合成和真实有雾数据集上的相关实验表明,该算法能够显著提升去雾性能.
NETL
NSTL
万方数据
