ترجمه فارسی مقاله DAF-Net: یک شبکه ترکیبی تجزیه ویژگی دو شاخه با تطبیق دهنده دامنه برای فیوژن تصویر مادون قرمز و مرئی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی DAF-Net: A Dual-Branch Feature Decomposition Fusion Network with Domain Adaptive for Infrared and Visible Image Fusion
عنوان مقاله به فارسی DAF-Net: یک شبکه ترکیبی تجزیه ویژگی دو شاخه با تطبیق دهنده دامنه برای فیوژن تصویر مادون قرمز و مرئی
نویسندگان Jian Xu, Xin He
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Machine Learning,چشم انداز رایانه و تشخیص الگوی , یادگیری ماشین ,
توضیحات Submitted 17 September, 2024; originally announced September 2024. , Comments: 5pages,4figures
توضیحات به فارسی ارسال شده 17 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 5 صفحه ، 4 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Infrared and visible image fusion aims to combine complementary information from both modalities to provide a more comprehensive scene understanding. However, due to the significant differences between the two modalities, preserving key features during the fusion process remains a challenge. To address this issue, we propose a dual-branch feature decomposition fusion network (DAF-Net) with domain adaptive, which introduces Multi-Kernel Maximum Mean Discrepancy (MK-MMD) into the base encoder and designs a hybrid kernel function suitable for infrared and visible image fusion. The base encoder built on the Restormer network captures global structural information while the detail encoder based on Invertible Neural Networks (INN) focuses on extracting detail texture information. By incorporating MK-MMD, the DAF-Net effectively aligns the latent feature spaces of visible and infrared images, thereby improving the quality of the fused images. Experimental results demonstrate that the proposed method outperforms existing techniques across multiple datasets, significantly enhancing both visual quality and fusion performance. The related Python code is available at https://github.com/xujian000/DAF-Net.

چکیده به فارسی (ترجمه ماشینی)

فیوژن تصویر مادون قرمز و قابل مشاهده با هدف ترکیب اطلاعات مکمل از هر دو روش برای ارائه درک جامع تر صحنه است.با این حال ، با توجه به تفاوت های معنی داری بین دو روش ، حفظ ویژگی های کلیدی در طی فرآیند فیوژن یک چالش است.برای پرداختن به این مسئله ، ما یک شبکه فیوژن تجزیه و تحلیل ویژگی دو شاخه ای (DAF-NET) با دامنه تطبیقی ​​پیشنهاد می کنیم ، که حداکثر اختلاف چند هسته ای (MK-MMD) را به رمزگذار پایه معرفی می کند و یک عملکرد هسته ترکیبی مناسب برای مادون قرمز را طراحی می کند.و همجوشی تصویر قابل مشاهده.رمزگذار پایه ساخته شده بر روی شبکه Restormer اطلاعات ساختاری جهانی را ضبط می کند در حالی که رمزگذار جزئیات مبتنی بر شبکه های عصبی غیرقابل برگشت (Inn) بر استخراج اطلاعات بافت جزئیات متمرکز است.با ترکیب MK-MMD ، DAF-NET به طور موثری فضاهای ویژگی نهفته تصاویر قابل مشاهده و مادون قرمز را تراز می کند و از این طریق کیفیت تصاویر ذوب شده را بهبود می بخشد.نتایج تجربی نشان می دهد که روش پیشنهادی از تکنیک های موجود در چندین مجموعه داده بهتر عمل می کند ، به طور قابل توجهی کیفیت بصری و عملکرد همجوشی را افزایش می دهد.کد مربوط به پایتون در https://github.com/xujian000/daf-net در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.