Resumen

Las imágenes extremas se refieren a imágenes de baja calidad tomadas en condiciones ambientales extremas, como bruma, lluvia intensa, luz fuerte y temblores, que provocarán que el sistema visual no reconozca eficazmente el objetivo. La mayoría de los algoritmos de restauración de imágenes extremas existentes sólo se ocupan de la restauración de un determinado tipo de imágenes; cómo reconocer eficazmente todo tipo de imágenes extremas sigue siendo un reto. Por ello, este artículo propone un algoritmo de clasificación y restauración de imágenes extremas. Debido a las grandes diferencias en las características de las imágenes extremas, es difícil para los modelos existentes, como DenseNet, extraer eficazmente las características de profundidad. Para resolver el problema de clasificación en el algoritmo, proponemos una Red de Conexión Densa Multicore (MDCNet). MDCNet se compone de una parte densa, una parte de atención y una parte de clasificación. La parte densa utiliza dos bloques densos con diferentes tamaños de kernel de convolución para extraer características de diferentes tamaños; la parte de atención utiliza el mecanismo de atención de canal y el mecanismo de atención espacial para amplificar la información efectiva en el mapa de características; la parte de clasificación se compone principalmente de dos capas convolucionales y dos capas totalmente conectadas para extraer y clasificar imágenes de características. Los experimentos han demostrado que la recuperación de MDCNet puede alcanzar el 92,75% en un conjunto de datos de imágenes extremas. Al mismo tiempo, el valor mAP de la detección de objetivos puede mejorar en torno a un 16% después de que la imagen sea procesada por el algoritmo de clasificación y recuperación.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:imágenes extremas; algoritmo de restauración; clasificación; red de conexión densa multinúcleo; características; detección de objetivos
• Keywords:extreme images; restoration algorithm; classification; Multicore Dense Connection Network; features; target detection