[發明專利]一種基于線性注意力機制的低照度圖像增強模型

在審

• 申請號: 202210337183.0
• 申請日: 2022-04-01
• 公開（公告）號: CN114708163A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 劉晴;李玉鑑;張樂乾
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06T7/73;G06K9/62;G06V10/774;G06V10/74
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于線性自注意力機制的低照度圖像增強模型，其特征在于：線性陣列自注意力，它可以直接從特征圖中推斷出 3-D 全局注意力權重，然后對這些特征圖進行細化，細化的特征圖可以通過使用全局權重調整局部特征圖來隱式地耦合局部和全局關系，可以降低訓練和部署模型的成本，具體包括以下步驟：

1）首先設計一個可以進行端到端訓練的卷積神經網絡；

2）通過Kaiming網絡參數初始化方法初始化步驟1的卷積神經網絡；

3）線性注意力首先將特征圖編碼為分別沿垂直和水平方向的兩個二維特征編碼；

4）使用自注意力機制構建全局表示；

5）由多層感知器（MLP）和 sigmoid 激活函數生成 3-D 全局注意力權重；

6）將得到的算法進行評估，并輸出對應的測試結果。

2.如權利要求1所述的基于線性注意力機制的低照度圖像增強模型，其特征在于，設計一個可以進行端到端訓練的卷積神經網路，該網絡嵌入了通道注意力模塊和空間注意力模塊，同時在網絡連接上使用殘差連接和密集連接。

3.如權利要求1所述的基于線性注意力機制的低照度圖像增強模型，其特征在于，使用Kaiming網絡參數初始化方法初始化1)的卷積神經網絡。

4.對于線性注意力，將特征圖F∈R^C×H×W沿縱橫軸編碼為一對二維特征編碼F_x∈R^C×1×W，F_y∈R^C×H×1 。

5.如權利要求1所述的基于線性注意力機制的低照度圖像增強模型，其特征在于，使用多尺度結構性損失計算損失值。

6. 如權利要求1所述的基于線性注意力機制的低照度圖像增強模型，其特征在于，在測試集上對最終訓練好的網絡進行測試，采用的評價指標是峰值信噪比 (Peak Signal toNoise Ratio ,PSNR)和結構相似性(Structural Similarity ,SSIM)。