贡献
- 提出了一种基于条件生成对抗神经网络的去雾网络
- 生成网络采用编码器——解码器的结构,以捕获更多有用信息
- 新的损失函数,包括:
- 合成包括室内和室外的有雾图像数据集。
生成网络的结构
生成网络是输入有雾图像生成清晰图像,因此不仅要保留图像的结构和细节还要去雾。受ResNet和U-Net启发,在生成网络由编码器和解码器组成,使用对称层的跳过连接(skip connection)来突破解码过程中的信息瓶颈,并使用求和方法(summation method )捕获更多有用信息.
编码过程主要基于下采样操作,并向解码过程的对称层提供特征映射;
解码过程主要使用上采样操作和非线性空间转移。
配置