.png){kind=icon}
返回
Cascade deep polarization network for precise image semantic segmentation
.png){kind=icon}
PRE
AI
DOI：10.1364/AO.561465.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光学偏振成像技术提供多维光场信息，涵盖空间细节和偏振数据，可用于目标场景分析的图像语义分割。近期研究主要关注开发具有独立简单预处理步骤的神经网络以处理原始偏振图像，这限制了语义分割的精度。本文提出了一种新颖的方法（据我们所知），称为级联深度偏振网络（CDPN），通过将预处理模块直接集成到端到端的深度学习框架中，以提高语义分割性能。原始输入数据包括线性偏振角、线性偏振度和一组斯托克斯参数。通过图像去噪、融合和增强模块从原始数据中提取多维特征图，然后将这些特征图与骨干网络连接以获得分割结果。通过使用自监督损失函数协同训练预处理模块和骨干网络，我们力求找到最优分割方案。实验结果表明，所提出的方法能够有效提高分割精度，同时保持快速的计算速度。(c) 2025 Optica Publishing Group. 所有权利，包括文本和数据挖掘（TDM）、人工智能（AI）训练以及类似技术的权利，均予以保留。
期刊
A
IF:
1.7
论文数:
1.0K
被引数:
5.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
Compressive spectral polarization imaging by a pixelized polarizer and colored patterned detector
PREAI
分享收藏
查看更多内容