重庆学校网站推广,重庆定制网站制作价格,付给招聘网站的费用怎么做分录,软件下载网站模版论文#xff1a;(cvpr2025) Adaptive Rectangular Convolution for Remote Sensing Pansharpening 代码#xff1a;https://github.com/WangXueyang-uestc/ARConv.git 这个论文研究的是全色与多光谱图像的融合。作者认为现有的基于CNN的方法中#xff0c;传统的卷积存在两个… 论文(cvpr2025) Adaptive Rectangular Convolution for Remote Sensing Pansharpening 代码https://github.com/WangXueyang-uestc/ARConv.git 这个论文研究的是全色与多光谱图像的融合。作者认为现有的基于CNN的方法中传统的卷积存在两个问题问题1卷积被限制在一个固定的方形窗口内。问题2采样点的个数是预设的保持不变。
为了解决这两个问题作者提出了 ARConv Adaptive Rectangular Convolution与当前方法的比较如下图所示最大的变化是窗口可以变成3x5这样的形状这个尺寸是通过网络学出来的。 作者提出了ARConv 如下图所示主要包括四个步骤
学习卷积核的高度和宽度用网络学习每个像素位置的卷积核高度和宽度。每个位置学到的卷积核高度和宽度是不同的这使得卷积核的形状能够自适应地调整以适应不同尺度的物体。网络的最后输出是 sigmoid函数因此输出是0,1区间作者使用a,b变量进行了缩放这个变量是通过实验手工设置的确定采样点的数量 根据高度和宽度特征图的平均值通过映射函数选择垂直和水平方向上的采样点数量并确保采样点数量为奇数。作者设计了变量m,n可以用高度、宽度平均值除以m,n得到采样点数量这个m,n也是手工设置的生成采样图基于标准卷积的采样网格通过缩放矩阵调整采样点位置并采用双线性插值估计非整数位置的像素值。卷积实现对生成的采样图进行卷积操作并引入仿射变换以增强空间适应性。 全色与多光谱图像的融合网络的整体架构如下图所示是典型的UNET结构中间加了5个应用ARConv的block。 ARConv 的特点是 卷积可以适应图像中不同大小和形状的物体。在遥感图像中物体的尺度差异很大例如小汽车和大型建筑物。传统的固定形状卷积核如 3x3 或 5x5无法有效地捕捉这些不同尺度的特征而ARConv通过自适应调整卷积核的形状能够更好地提取每个局部区域的特征。尽管卷积核大小不同但最后采样点又是相同的这样又加速了计算。为证明研究动机可视化是必要的也就是说对于不同尺寸的目标学习到的卷积核大小是不同的。 论文中有一个实验如下图所示作者把5个block里学到的卷积核大小可视化出来了。作者指出在第四层建筑外围有一条蓝细线这表明卷积核的高度在边缘处较小。 实验部分可以参考作者论文这里不过多介绍。
