3D-attention and residual dense-based generative adversarial network for cloud removal

残余物 云计算 计算机科学 点云 块(置换群论) 人工智能 深度学习 生成对抗网络 特征(语言学) 对象(语法) 生成语法 计算机视觉 数据挖掘 算法 数学 语言学 哲学 几何学 操作系统
作者
Cong Ma,Zhongyu Chen,Shukai Duan
标识
DOI:10.1117/12.2674811
摘要

Remote sensing (RS) technology plays an increasingly dominant role in Earth observation. However, cloud contamination is a serious hinder in analysis of RS images. Aiming at the problems that the present cloud removal methods remain cloud residues and lose ground scene details in the restored image, We propose a 3D-attention and residual dense based generative adversarial network (3DA-RDGAN) to remove the cloud. We first introduce the residual dense block (RDB) into the generator, so it learns plentiful local characteristics via dense connection and integrats different levels of features via residual learning to restore ground object information. secondly, a 3D attention module (3DAM) is inserted to each RDB to infer the 3-D attention weights for the feature maps without adding parameters of the original network. Under the guidance of attention loss, 3DAM effectively helps the network pay more attention to the cloud areas and discover the difference between cloud and ground scenes. The proposed 3DA-RDGAN is tested on the open source RICE dataset, and its effect is compared with several other existing deep learning methods. The results indicate the superiority of 3DA-RDGAN in cloud removal for RS images.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
liyunma完成签到,获得积分10
刚刚
万能图书馆应助qing采纳,获得10
刚刚
方赫然应助阳光的梦寒采纳,获得10
3秒前
4秒前
优雅谷秋完成签到,获得积分10
4秒前
小蘑菇应助SnEBiotech采纳,获得10
5秒前
SKSK完成签到,获得积分10
5秒前
5秒前
在水一方应助彪壮的绮烟采纳,获得10
5秒前
tutulunzi完成签到,获得积分0
6秒前
wangcy完成签到 ,获得积分10
7秒前
oscar完成签到,获得积分10
10秒前
踏实天磊完成签到 ,获得积分10
12秒前
zxx完成签到,获得积分10
13秒前
程勋航完成签到,获得积分10
14秒前
醉熏的月光l完成签到,获得积分10
14秒前
Reut_Hyu发布了新的文献求助10
15秒前
16秒前
知否完成签到 ,获得积分0
16秒前
zzzz发布了新的文献求助30
17秒前
nunu发布了新的文献求助10
18秒前
pyc076完成签到,获得积分10
19秒前
TobyGarfielD完成签到 ,获得积分10
19秒前
胡嘉颖发布了新的文献求助10
20秒前
小达人发布了新的文献求助20
20秒前
20秒前
希望天下0贩的0应助boom采纳,获得10
21秒前
竹筏过海应助freshman3005采纳,获得30
21秒前
22秒前
cuicui发布了新的文献求助30
22秒前
都会完成签到 ,获得积分10
22秒前
潘爱玲发布了新的文献求助10
25秒前
25秒前
舒心的天完成签到 ,获得积分10
25秒前
小蘑菇应助hhh采纳,获得10
27秒前
27秒前
28秒前
monere应助科研通管家采纳,获得10
28秒前
科研通AI2S应助科研通管家采纳,获得10
28秒前
田様应助科研通管家采纳,获得10
28秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Fundamentals of Dispersed Multiphase Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3254046
求助须知:如何正确求助?哪些是违规求助? 2896409
关于积分的说明 8292456
捐赠科研通 2565281
什么是DOI,文献DOI怎么找? 1392910
科研通“疑难数据库(出版商)”最低求助积分说明 652405
邀请新用户注册赠送积分活动 629837