基于注意力机制的轻量级水下图像风格迁移方法

目前，获取海洋素材的途径稀少，数据集缺失，质量相对较低，是海洋生态环境保护宣传、水下图像应用设计的重大难题之一.本文将基于深度学习的图像风格迁移技术与白化现象严重的水下图像进行结合，引入SqueezeNext轻量级编码器网络，通过低秩卷积、压缩模块和全连接操作，在不影响模型准确率的条件下减少模型参数冗余，减少模型计算量.同时，本文还进一步引入了关系感知全局注意力转换网络，结合特征和特征位置的相关性更有效地平衡全局和局部结构信息.此外，在损失函数中加入HSV色相损失函数，通过色相值的计算来衡量颜色的距离，由此更好地表示颜色的相近关系.通过学习图像的内容、风格等特征进行照片风格迁移，解决海洋图像设计素材短缺、图像质量低等问题，从而增加水下图像样式的多元性、素材的丰富性以及资源的拓展性.