软件学报

作者：任东东,李金宝

单位：任东东，黑龙江大学 计算机科学技术学院, 黑龙江 哈尔滨 150080;黑龙江省数据库与并行计算重点实验室(黑龙江大学), 黑龙江 哈尔滨 15008011,李金宝，黑龙江大学 计算机科学技术学院, 黑龙江 哈尔滨 150080;黑龙江省数据库与并行计算重点实验室(黑龙江大学), 黑龙江 哈尔滨 15008002

关键词：深度学习;卷积神经网络;目标识别;低光照图像恢复;注意力机制

基金：国家自然科学基金（No.61370222）；黑龙江省自然科学基金（ZD2019F003）

现有的低光照图像目标识别方法通常将图像恢复与目标识别任务分开处理，且在图像恢复质量和计算时间上无法满足目标识别任务的要求.针对这些问题，首先，提出一种高效的图像恢复卷积神经网络架构，通过融合不同尺度的特征图来聚合多级上下文特征信息，减少卷积层的信息冗余，提高图像恢复任务的实时性.并且设计了一个局部-全局注意力模块，通过校准各特征图的局部信息和特征通道之间的关系，提高恢复网络对噪声和图像内容的区分能力.其次，提出了一种图像恢复和目标识别任务协同处理的方法.利用目标识别的高级语义信息指导图像恢复网络学习，从而突出目标的结构和纹理等特征，使恢复结果更加适应目标识别任务.实验结果表明，该方法在图像恢复质量、计算时间和目标识别率上明显优于已有方法.

来源：2019年第S1期

《软件学报》期刊编辑部

查看软件学报杂志2019年第S1期