DC-ShadowNet 论文阅读笔记

一. 资源介绍

论文地址：DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using
Unsupervised Domain-Classifier Guided Network
代码地址：https://github.com/jinyeying/DC-ShadowNet-Hard-and-Soft-Shadow-Removal

二. 动机

各种流行的方法通过监督学习方式去除阴影，但是这些方法需要阴影和非阴影的匹配对，并且匹配对的获取成本较高。本文通过无监督学习的方法实现阴影去除，并获得不错的效果。

三. 算法框架

损失函数使用了色度空间损失函数、感知损失函数、边界平滑损失函数、对抗损失函数。

1. 色度损失函数

监督信息是使用传统算法获得的图片，并且映射到色度空间。

2. 感知损失函数

监督vgg网络输出的特征图

3. 边界平滑

这个在之前的博客中已经讲解过了，请参考我的博客

4. 域分类注意力机制

四. 实验与效果

消融实验

与其他算法比较

作者用这种无监督学习方法在测试集上训练并测试

感谢作者的工作，如需技术交流，请联系博主：