.png){kind=icon}
返回
Relational Representation Learning Network for Cross-Spectral Image Patch Matching
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.103749.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种创新的关系表示学习方法，该方法打破了现有方法因个体固有特征挖掘不足而导致后续特征关系提取瓶颈的问题。
• 为了进一步充分挖掘个体固有特征，提出了一种轻量级的多维全局到局部注意力（MGLA）模块，并基于该模块构建了一个高效的基于注意力的轻量级特征提取（ALFE）网络。
• 提出了一种多损失后剪枝（MLPP）优化策略，该策略能够在不引入额外参数或增加推理时间的情况下促进网络优化。
• 大量实验表明，本研究的RRL-Net在多个公开的跨谱数据集上达到了SOTA性能，并具有优异的鲁棒性和泛化能力。
期刊
IF:
15.5
论文数:
4.3K
被引数:
2.7W
机构
查看更多机构
引用论文
暂无论文信息