从全局到局部:双注意力融合去雾网络

为了处理现有的基于卷积神经网络去雾方法只使用单一的注意力、很难生成细节生动的清晰图像,且容易导致色彩失真的问题,提出了一个全局与局部注意力融合的图像去雾方法,以获得正常清晰度和无色彩失真的去雾图像。首先利用通道注意力将输入的有雾图像在通道维度切分为两部分,一部分送入通道像素注意力通道抽取局部特征,另一部分送入Transformer通道学习全局特征,然后利用像素注意力对两个通道学习的特征进行融合,将上述模块作为基本单元组合为一个多级U型去雾网络,增加残差连接缓解上下采样导致的细节信息丢失,最后在网络底层加入一个Transformer模块学习全局信息。在多个公开可用的去雾图像数据集RESIDE SOTS Indoor、RESIDE SOTS Outdoor上测试所提方法的有效性,结果表明:对比经典的去雾方法,所提网络生成的图像细节更丰富并且色彩失真最少;在RESIDE SOTS Outdoor数据集上,相比经典的FFA-Net,峰值信噪比提高1.16 dB,相比GridDehazeNet,峰值信噪比提高3.68 dB。提出的全局与局部注意力融合方法能有效地去除雾霾,提升图像的对比度与清晰度,设计的多级U型去雾网络和残差连接结构能够缓解细节丢失,提升去雾效果,获得清晰的图像。

野外背斜识别方法

野外背斜识别是科学教育、科学考察必备的能力。教科书中提供的背斜图示,必须结合真实的背斜构造,才能实现理论与实际的结合。本文利用遥感观测、野外实测,综合识别背斜。遥感观测用于寻找大型地质构造,判断山脉走向。野外实测主要考察多个点的岩层产状、年龄,推测岩层的连续状态,判断地质构造是否为背斜。研究表明,野外背斜识别方法切实可用,能科学识别背斜,还能发现背斜成山、背斜成谷的现象。

基于投入产出模型的广东碳达峰驱动能源转型研究

本文借助广东省2017年投入产出表相关数据,通过计算各部门碳排放指标,研究广东省产业结构调整与碳排放的关联,揭示广东省产业结构目前存在的问题,提出了四点具体建议,以助力广东省产业结构调整与深度脱碳,早日实现碳达峰。