중국 과학 아카데미 허페이 물리 과학 연구소의 Wang Rujing 교수가 이끄는 연구원들은 수중 이미지 향상을 위한 간단하고 효과적인 다중 규모 특징 변조 네트워크를 개발했습니다.

그들의 연구,출판됨에서King Saud University 저널 - 컴퓨터 및 정보 과학, 개선 과제를 해결합니다.이미지 품질메모리가 부족한 기기의 한계를 고려하여 수중 환경에서계산 능력.

고품질 이미지는 어장 모니터링, 환경 및 종 보존을 포함한 다양한 수중 애플리케이션에 중요합니다.그러나 대부분의 딥러닝 기반 수중 영상 향상 네트워크는 메모리와 연산 능력이 제한된 수중 장비 플랫폼에는 적합하지 않습니다.이러한 갈등은 수중 이미지의 품질을 향상시키는 데 중요한 과제를 제기합니다.

간단하면서도 효과적인 다중 규모 특징 변조 네트워크(MFMN)라고 불리는 이 연구의 접근 방식은 모델 효율성과 재구성 성능 간의 더 나은 균형을 달성합니다.

연구팀의 왕류산(Wang Liusan) 박사는 “핵심 부품은 멀티스케일 변조 모듈과 채널 믹싱 모듈”이라고 말했다.

시각적 변환기와 유사한 다중 스케일 변조 모듈을 통합함으로써 네트워크는 입력 이미지에서 특징을 추출하고 이미지 공간에서 대표적인 특징을 동적으로 선택합니다.

채널 특징 정보 부족을 해결하기 위해 채널 믹싱 모듈을 도입하여 공간적 관점을 향상시켰습니다.

실험 결과에 따르면 MFMN 방법은회로망기존 기술에 비해 매개변수가 8.5배 작아졌습니다.더 작은 크기에도 불구하고 이 방법은 더 낮은 계산 비용으로 유사한 성능을 달성합니다.

이러한 결과는 수중 어업 모니터링과 같은 응용 분야에 유망한 영향을 미칩니다.환경 보전, 팀에 따르면.

추가 정보:Shijian Zheng et al, 효율적인 수중 이미지 향상을 위한 다중 규모 특징 변조 네트워크,King Saud University 저널 - 컴퓨터 및 정보 과학(2023).DOI: 10.1016/j.jksuci.2023.101888