
目录
一、HAttention注意力机制
1.1HAttention注意力介绍

HAT模型 通过结合卷积特征提取与多尺度注意力机制,具备了强大的图像重建能力。它的优势在于能有效整合局部和全局信息,并通过残差连接和通道注意力等方式提高网络的表达能力和重建质量,适用于图像超分辨率和图像重建任务。
下面是HAT的工作流程和主要模块的作用
- 浅层特征提取 (Shallow Feature Extraction)
输入图像首先经过卷积操作提取低级特征。该过程用来捕捉图像的基础信息,如边缘、颜色等,形成初步的特征图。 - 深层特征提取 (Deep Feature Extraction)
浅层特征通过多个RHAG模块进行深度特征提取。RHAG由多个HAB(混合注意力块)和OCAB(重叠交叉注意力块)组成:
HAB:包含 CAB (Channel Attention Block
订阅专栏 解锁全文
5万+



被折叠的 条评论
为什么被折叠?



