来源：期刊VIP网 时间：
作者：刘南艳;关宁宁;
单位：西安科技大学人工智能与计算机学院;
摘要：当前的畸变矫正技术都是在有参照物的基础上进行的，比如直线、人脸等，应用范围有限。一些深度学习方法也只聚焦于单一的畸变矫正问题，其矫正效果不够好。为了有效解决生活中广泛存在的多种畸变问题，文中提出一种基于RepVGG网络架构的图像混合畸变矫正方法。该方法对于提取到的特征，分别采用预测模型和分类模型获取预测数据和畸变类型数据，通过这两组数据训练出畸变矫正模型，实现畸变图像的预测、分类以及矫正过程。网络还引入空间注意力机制来关注变形严重区域。同时，为了降低模型训练复杂度，引入线性缩放层代替RepVGG块中的非线性结构，使训练时可以合并块中的操作。再通过压缩块的方式将多分支结构转换为单个卷积层，既加速训练过程，同时又保持了多分支结构的表达优势。通过实验证明该模型在6种类型的畸变图像上都有出色的矫正能力。与现有算法相比，该算法的矫正率均可以达到98%以上，模型训练速度提升了约1.53倍，该方法在图像畸变矫正领域具有一定的适用性。
关键词：图像畸变矫正;;深度学习;;混合畸变;;RepVGG;;空间注意力机制;;多分支结构
