基于反馈的目标外观学习的夜间热红外图像上色
原文中文，约600字，阅读约需2分钟。发表于：。通过使用生成对抗网络和反馈式目标外观学习（FoalGAN）方法，我们提出了改善夜晚热红外图像到日间彩色图像的转换性能的方法，包括对小目标类别的出色转换表现，通过引入一个小目标外观损失并采用双重反馈学习策略，进一步提高小对象的外观学习能力，并通过提供像素级注释的数据集来促进对多种气候条件下的热红外图像的理解研究，实验证明 FoalGAN 在小目标的外观学习方面表现出色，并在 NTIR2DC...
本文介绍了一种改善夜晚热红外图像到日间彩色图像转换性能的方法，使用生成对抗网络和反馈式目标外观学习（FoalGAN）方法，并通过引入小目标外观损失和双重反馈学习策略来提高小对象的外观学习能力。实验证明FoalGAN在小目标的外观学习方面表现出色，并在NTIR2DC任务中优于其他图像转换方法。同时，提供像素级注释的数据集来促进对多种气候条件下的热红外图像的理解研究。
