基于AMI-CycleGAN的海洋垃圾图像增强算法 |
| |
引用本文: | 任肖恬,左官芳,陶旭,赵方.基于AMI-CycleGAN的海洋垃圾图像增强算法[J].国外电子测量技术,2023(6):33-42. |
| |
作者姓名: | 任肖恬 左官芳 陶旭 赵方 |
| |
作者单位: | 1. 南京信息工程大学电子与信息工程学院;2. 无锡学院江苏省集成电路可靠性技术及检测系统工程研究中心 |
| |
基金项目: | 江苏省高等学校基础科学(自然科学)研究面上项目(22KJB140015); |
| |
摘 要: | 针对循环生成对抗网络(CycleGAN)的海洋垃圾图像增强存在色彩失真、轮廓模糊的问题,提出一种结合自适应空间特征融合的多输入循环生成对抗网络(AMI-CycleGAN)。首先,减少生成器U-Net的网络深度和跨层连接次数以减少参数量,借助平滑扩张卷积避免网格伪影,得到多尺度感受野信息;其次,引入自适应空间特征融合来解决因垃圾尺寸不一导致不同层特征图融合时的信息冲突,得到语义信息丰富的融合特征图,通过与色彩校正网络的增强特征图融合保留了原图像的色彩信息;最后,引入边缘差损失函数和内容感知损失函数丰富细节信息。在trash_ICRA19上,与CycleGAN相比,其结构相似性值和峰值信噪比分别提升了27.52%和20.75%。与FUnIE-GAN相比,其参数量减少了79.36%,计算速度提高了12.50%。该算法改善了CycleGAN的色彩失真和轮廓模糊问题,且能达到实时检测标准。
|
关 键 词: | 循环生成对抗网络 海洋垃圾图像 自适应空间特征融合 多输入 平滑扩张卷积 |
|