基于分散注意力递归神经网络的无人机去雨算法（英文）

户外拍摄的图像常受降雨天气影响,造成图像可见度低等问题。作为一种重要的户外图像采集系统,无人机需要合适的去雨算法来提高雨天所摄图像的视觉效果,并给后续计算机视觉任务提供高质量的初始图像数据。为处理不同尺度和方向的雨纹,本文提出一种利用和融合多尺度卷积的多分支网络结构,并与分散注意力机制结合,实现特征级别的多通道交互,从而利用自适应的感受野以处理复杂背景的恢复问题。本文算法将多尺度分支、分散注意力机制和通道分组机制相结合,在实现多尺度处理的基础上与基本残差块的特征通道数保持一致。另外,为更进一步减少网络模型的参数量,本文算法将每个基本模块递归计算4次,从而在保持去雨效果的同时使模型轻量化。大量实验证明,本文算法在多个数据集上均优于目前主流的传统或基于学习的图像去雨方法。