【文件属性】：
文件名称：SESF-Fuse:SESF保险丝
文件大小：30.61MB
文件格式：ZIP
更新时间：2021-05-10 10:45:26
deep-learning autoencoder unsupervised-learning image-fusion multi-focus
SESF保险丝
SESF-Fuse：用于多焦点图像融合的无监督深度模型
抽象的
在这项工作中，我们提出了一种无监督的深度学习模型来解决多焦点图像融合问题。 首先，我们以无监督的方式训练编码器-解码器体系结构，以获取输入图像的深层特征。 然后，我们利用这些特征和空间频率来测量活动水平，这在多焦点融合任务中起着至关重要的作用。 该方法背后的关键点在于，只有景深（DOF）内的对象在照片中才具有清晰的外观，而其他对象则很可能被模糊。 与以前的工作相比，我们的方法分析的是深层特征的锐利外观，而不是原始图像。 实验结果表明，与现有的16种融合方法相比，该方法在客观和主观评估中均达到了最新的融合性能。
可视化
我们在下图中显示融合结果的可视化。 第一行是近焦点源图像，第二行是远焦点源图像。 第三行是我们方法的决策图，最后一行是融合结果。
分行介绍
我们在该分支机构中提供SESF-Fuse的培训和测试方法
【文件预览】：
SESF-Fuse-master
----.gitignore(1KB)
----README.md(2KB)
----.github()
--------FUNDING.yml(718B)
----paper.pdf(1.84MB)
----LICENSE(26KB)
----train_nets.py(6KB)
----main.py(986B)
----nets()
--------figure()
--------sesf_net.py(13KB)
--------nets_utility.py(4KB)
--------coco_dataset.py(4KB)
--------parameters()
--------lp_lssim_loss.py(3KB)
--------__init__.py(0B)
----data()
--------multi_focus()