第44卷第2期2023年2月哈尔滨工程大学学报JournalofHarbinEngineeringUniversityVol.44№.2Feb.2023基于轻量级神经网络的单幅图像去雨滴模型陈峥1,毕晓君2(1.哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;2.中央民族大学信息工程学院,北京100081)摘要:目前单幅图像去雨滴网络的特征图存在较高的相似性和冗余性,导致模型的参数量庞大,极大限制了其在实际应用中的部署。本文提出一种基于轻量级神经网络的单幅图像去雨滴模型。采用一种幻像特征生成残差块,用于解决网络中特征图的相似性和冗余性问题。设计了一种复合折叠式重用机制,有效改善了由于参数减少带来的模型性能下降。提出一种轻量级门控循环单元,用于强化折叠式去雨滴架构中的深度特征交互,进一步提高了模型的性能。实验结果表明:本文提出的轻量级去雨滴模型在性能持平或略高于目前3种算法的前提下,分别实现了模型参数量的18、37及51倍的压缩,较好解决了在实际应用中的部署问题。关键词:单幅图像去雨滴;轻量级网络;幻像特征生成;深度学习;循环神经网络;门控循环单元;特征融合;特征交互DOI:10.11990/jheu.202207013网络出版地址:https://kns.cnki.net/kcms/detail/23.1390.U.20221103.1104.002.html中图分类号:TP391.4文献标志码:A文章编号:1006-7043(2023)02-0292-08AsingleimageraindropremovalmodelbasedonlightweightneuralnetworkCHENZheng1,BIXiaojun2(1.CollegeofInformationandCommunicationEngineering,HarbinEngineeringUniversity,Harbin150001,China;2.SchoolofIn-formationEngineering,MinzuUniversityofChina,Beijing100081,China)Abstract:Atpresent,thefeaturemapsinthesingleimageraindropremovalnetworkhavehighsimilarityandredun-dancy,resultinginahugenumberofparametersoftheexistingmodels.Itgreatlylimitsthedeploymentinpracticalapplications.Tothisend,thispaperproposesasingleimageraindropremovalmodelbasedonlightweightneuralnet-work.Themodelemploysaghostfeaturegenerationresidualblocktosolvethesimilarityandredundancyoffeaturemapsinthenetwork.Acompositefoldablereusingmechanismisdesignedtoeffectivelyimprovethemodel'sperform-ancedegradationcausedbyparameterreduction.Alightweightgatedrecurrentunitisintroducedtoenhancethein-teractionofdeepfeaturesinthefoldedraindropremovalarchitecture,whichfurtherimprovesperformance...
