شبكة كثيفة قائمة على الانتباه الموجه المدرك للسياق لاستعادة الصور فائقة الطيف

أظهرت الشبكات العصبية التلافيفية (CNNs) أداءً مثيرًا للإعجاب في رؤية الكمبيوتر بفضل عدم خطيتها. على وجه الخصوص، حقق النموذج الكثيف (DenseNet) الذي يسهل إعادة استخدام الميزات بطريقة تغذية أمامية دقة إعادة بناء رائدة في استعادة الصور فائقة الدقة (SR). ومع ذلك، تنقل معظم نماذج SR القائمة على DenseNet الميزات الناتجة من كل طبقة إلى جميع الطبقات اللاحقة، مما يقدم بشكل حتمي تكرارًا، خاصةً للصور فائقة الطيف (HS) ذات الأبعاد العالية. لمواجهة هذه المشكلة، نقترح شبكة كثيفة ذات فرعين بتغذية عكسية مع انتباه موجه مدرك للسياق (CFDcagaNet) لاستعادة الصور فائقة الطيف (HSSR)، مما يسمح للشبكة بتعلم خرائط الانتباه للميزات عالية المستوى وتنقيح الميزات منخفضة المستوى بطريقة تغذية عكسية عبر فرعين. يستخدم الانتباه الموجه المدرك للسياق معلومات لاحقة عالية المستوى لتوفير توجيه مكاني طيفي أكثر ولاءً للميزات منخفضة المستوى، مما يمكّن CFDcagaNet من تعلم ميزات مكانية طيفية أكثر فعالية على المستويات المنخفضة وتحقيق نقل مكاني طيفي أكثر فعالية في الشبكة. تظهر التجارب المكثفة على مجموعات البيانات المستخدمة على نطاق واسع أن الطريقة المقترحة تتفوق على الطرق الرائدة من حيث القيم الكمية والجودة البصرية على حد سواء.