典型文献
时域注意力特征对齐的视频压缩感知重构网络
文献摘要：
现有视频压缩感知神经网络重构算法采用的光流对齐和可变形卷积对齐的运动补偿方式存在误差积聚、信息感知范围有限等问题,极大地限制了其有效性和实用性.为了在不引入额外参数的条件下自适应提取参考帧的全局信息,本文提出了利用注意力机制实现视频压缩感知重构过程中运动估计/运动补偿的创新思想,并设计了时域注意力特征对齐网络(Temporal-Attention Feature Alignment Network,TAFA-Net)进行实现.在此基础上,提出了联合深度重构网络(Joint Deep Reconstruction Network Based on TAFA-Net,JDR-TAFA-Net),实现非关键帧的高性能重构.先利用本文所提的TAFA-Net获得参考帧到当前帧的对齐帧;然后,利用基于自编码器架构的融合网络充分提取已有帧信息,增强非关键帧的重构质量.仿真结果表明,与最优的迭代优化算法SSIM-InterF-GSR相比,所提算法重构帧的峰值信噪比(Peak Signal to Noise Ratio,PSNR)最高提升了4.74 dB;与最优的深度学习算法STM-Net相比,所提算法重构帧的PSNR最高提升了0.64 dB.
文献关键词：
视频压缩感知;神经网络;时域注意力;特征对齐;运动补偿;深度重构
中图分类号：
作者姓名：
魏志超;杨春玲
作者机构：
华南理工大学电子与信息学院,广东广州510640
文献出处：
引用格式：
[1]魏志超;杨春玲-.时域注意力特征对齐的视频压缩感知重构网络)[J].电子学报,2022(11):2584-2592
A类：
时域注意力,TAFA,JDR,InterF
B类：
特征对齐,视频压缩感知,网络重构,重构算法,光流,可变形卷积,运动补偿,补偿方式,差积,积聚,信息感知,下自,自适应提取,参考帧,全局信息,注意力机制,运动估计,创新思想,对齐网络,Temporal,Attention,Feature,Alignment,Network,深度重构,Joint,Deep,Reconstruction,Based,非关键,关键帧,自编码器,融合网络,分提,重构质量,迭代优化,SSIM,GSR,算法重构,峰值信噪比,Peak,Signal,Noise,Ratio,PSNR,dB,深度学习算法,STM
AB值：
0.372218
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
