10.11772/j.issn.1001-9081.2021081379
基于卷积长短期记忆的残差注意力去雨网络
无人驾驶汽车在雨天环境中行驶,由于车载相机采集的图片包含雨纹噪声,导致无人驾驶系统的目标检测精度降低,关键目标识别困难.为解决这些问题,提出了一种基于卷积长短期记忆的残差注意力去雨网络.首先提出卷积长短期记忆(CLSTM)单元对不同尺度的雨纹分布进行学习,然后使用残差通道注意力机制对雨纹进行提取,最后将雨图与雨纹提取信息相减得到修复后的背景图.为确定最优的网络结构,对各网络模块进行消融实验,然后选择去雨效果最优的结构作为去雨网络.通过对网络参数的不断优化,所提算法在数据集Rain100H、Rain100L、Real200上进行测试,结果显示该算法的峰值信噪比(PSNR)分别达到29.1 dB、33.1 dB、32.4 dB,结构相似性(SSIM)分别达到0.89、0.94和0.93.实验结果表明,通过生成对抗网络(GAN)判别器对雨纹去除效果的额外监督,所提算法取得了明显的雨纹去除效果,增强了无人驾驶系统在复杂降雨条件下的环境感知能力.
去雨、生成对抗网络、卷积长短期记忆网络、残差通道注意力、多尺度特征融合
42
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2022-09-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
2858-2864