关键词:
深度学习
暗光增强
UNet
频谱注意力
误差补偿
SophonSE5
摘要:
针对主流暗光增强算法模型参数量、计算量较大,部署在边缘测设备性能不佳,以及边缘设备算子受限的问题,本文基于UNet提出一种轻量级算法Fca-UNet。由于传统UNet算法存在,卷积结构局部性强,难以有效捕捉远距离依赖性,在暗光环境下容易丢失细节信息等问题,对噪声区域的处理能力有限,此外UNet参数量冗余,卷积层数深,难以在边缘侧高效运行。FcaNet通过频域特征分析更好地保留了图像色彩细节信息。本文提出的Fca-UNet网络,将4层的Unet网络层数轻量到2层,在UNet主干中引入FcaNet,向UNet网络输入输出分别引入亮暗通道增强,再引入误差补偿避免噪声放大。在3090ti和Sophon SE5上PSNR分别达到22.275dB和22.257dB,相比于UNet提升了17.1%和17%,在SophonSE5推理速度达到81FPS,相比于UNet提升了2倍。