1.一种基于transformer的面向记忆的单图片去雨方法,其特征在于,该方法利用transformer关注全局特征的特性,使用具有记忆功能的自监督内存模块记录雨水条纹的各种形态,将雨水图片上的约束信息转移到自然雨水图片上,使其能够更好地被训练,单图片去雨具体包括以下步骤:
2.根据权利要求1所述的基于transformer的面向记忆的单图片去雨方法,其特征在于,所述步骤1)的预训练模型输入图像的大小为384*384,每次训练样本数为4,最大训练次数300。
3.根据权利要求1所述的基于transformer的面向记忆的单图片去雨方法,其特征在于,所述步骤3)中的patch merging是一个4x4大小的单通道特征图,patch merging将每个2x2的相邻像素划分为一个patch,然后将每个patch中相同位置,即同一颜色的像素拼在一起,得到4个feature map,将其在深度方向进行concat拼接,然后在layernorm层通过一个全连接层,在feature map的深度方向做线性变化,将feature map的深度由c变成c/2。
4.根据权利要求1所述的基于transformer的面向记忆的单图片去雨方法,其特征在于,所述步骤4)中的记忆内存模块m∈rm×c由m个记忆项组成,其中每个项的维度为ei∈rc与编码z(x)∈rc×h×w,所述编码z(x)由下述(a)定义为:
5.根据权利要求1所述的基于transformer的面向记忆的单图片去雨方法,其特征在于所述步骤4)的软注意阅读通过上述(a)式对更新后的内存项进行相似度矩阵s(x)={sij(x)|i=1,...,m,j=1,...,n}的计算,然后,通过softmax操作获得注意a={aij|i=1,...,m,j=1,...,n},其中aij的具体计算方式见公式(e):
6.根据权利要求1所述的基于transformer的面向记忆的单图片去雨方法,其特征在于,所述步骤5)中的在线训练采用监督去雨和无监督去雨的自训练机制,具体包括下述步骤: