RSDNet: Residual Shallow–Deep Attention Network for Single Image Dehazing
Rattachement africain : pk, my. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Single-image dehazing still faces challenges of uneven haze distribution and loss of information in reconstructed images. We develop RSDNet, a Residual Shallow-Deep Attention Network that restores high-quality haze-free images while maintaining low computational cost. The network integrates three complementary modules; Multi-Activated Attention Block (MAAB), Cascaded Residual Block (CRB), and Residual Attention Block (RAB) to capture shallow, hierarchical, and deep contextual information, respectively. MAAB promotes feature diversity through multiple nonlinear activations; CRB expands the receptive field and aggregates multi-scale information via cascaded residual connections, and RAB enhances deep contextual understanding with attention-based refinement. Trained with a hybrid Charbonnier+SSIM loss function, RSDNet achieves$2-3 \text{dB}$PSNR gain and higher SSIM compared to state-of-the-art methods on both real-world (O-Haze) and synthetic (FRIDA) datasets. With only 5.96 M parameters and an average inference time of$\text{63 ms} (\approx \text{15.9 ~ FPS} )$, RSDNet delivers real-time dehazing while preserving natural colors and fine textures, achieving an effective balance between accuracy, efficiency, and perceptual quality.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- RSDNet: Residual Shallow–Deep Attention Network for Single Image Dehazing
- Date Crossref
- 12/12/2025
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
National University of Sciences and Technology pays non établi dans la noticeUniversité ou école supérieure
-
Gomal University pays non établi dans la noticeUniversité ou école supérieure
-
National University of Computer and Emerging Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Universiti Teknologi MARA pays non établi dans la noticeUniversité ou école supérieure
-
NUST pays non établi dans la noticeInstitution
-
National University of Sciences & pays non établi dans la noticeUniversité ou école supérieure
-
National University of Computer & pays non établi dans la noticeUniversité ou école supérieure
-
University Teknologi MARA pays non établi dans la noticeUniversité ou école supérieure
National University of Sciences and Technology, Gomal University et National University of Computer and Emerging Sciences, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.