针对基于人工智能的红外可见光图像融合方法存在神经网络设计复杂、参数量大、推理计算量大的问题,提出一种轻量化的网络结构,在保证融合质量的同时降低参数量和计算量。 创新点 (1) 网络结构设计上的创新: 使用两个相同的密集连接块提取图像特征,利用密集连接的特征复用能力,增强特征提取效果。 对红外和可见光图像共用...
针对基于人工智能的红外可见光图像的融合方法中神经网络网络设计复杂,参数量和推理计算量较大的问题,提出一种轻量化网络结构.首先,使用两个相同的密集连接块提取图像特征;然后,对红外图像和可见光图像使用共同的卷积核,以减少参数量;最后,利用残差连接保留梯度信息,同时基于像素显著性原则设计网络损失函数.在TNO和M3FD...