FRR-NET：针对弱光图像增强的快速重参数残差网络代码

简介：
FRR-Net是一种专为弱光环境下图像增强设计的快速重参数残差网络。通过优化的网络结构和高效的算法，它能够迅速提升低光照条件下图像的质量与清晰度。 微光图像增强算法是图像处理领域的一个重要分支。为了改善亮度提升后图像特征严重退化的现象，研究人员在构建多尺度特征提取模块上投入了大量努力。然而，这些方法通常会产生大量的参数，从而限制了它们的推广和应用。 为了解决上述问题，本段落提出了一种用于低光图像增强的快速重参数残差网络（FRR-NET）。该网络设计了一个轻量级且高效的重新参数化残差块以及基于变压器的亮度增强模块。实验结果表明，相较于同类多尺度融合模块，FRR-NET取得了更好的性能表现，并且其模型仅有0.012M的参数量。 大量的实验证明，本段落提出的算法在色彩还原方面更加饱和，同时适度提升了图像的整体亮度水平。与现有的其他方法相比，在主观视觉测试和客观质量评估中，FRR-NET均表现出良好的效果并且使用的参数更少。