摘要：卫星图像翻译是生成对抗网络的重要应用场景之一,现有的卫星图像翻译存在生成质量低、泛化能力弱、计算代价高等问题。在循环生成对抗网络的基础上,通过设计轻量化的注意力残差模块来提高图像翻译质量、减小模型的参数计算量,同时引入最小二乘损失来提高训练过程的稳定性。实验结果表明,所提方法在保持高训练稳定性、低模型计算量的前提下,在卫星图像翻译任务中具有较好的翻译质量。

摘要：通常情况下,超分辨率技术能够使图像获得更好的视觉质量,从而有利于图像的目视解译。然而,超分辨率技术能否提升图像在应用于分类、识别等其他更高级计算机视觉任务时的效果呢?结合计算机视觉技术的发展现状,首先训练一个具有良好性能的图像分类模型,用于对经过不同超分辨率方法处理后的图像进行分类。利用分类准确率来衡量超分辨率重构处理对图像分类任务的影响。在遥感分类数据集上的实验显示,相比插值方法,经过超分辨率处理的图像在分类模型中取得了更高的分类准确率。这一结果说明,经过良好设计的超分辨率模型不仅能使低质图像获得更好的视觉质量,在分类模型中也能够被更准确地归入所属类别。证实了经过良好设计的超分辨率模型对于图像分类任务具有促进作用,并且还能有效提升低质图像在计算机视觉中的感知效果。