1 模型设计
post-processing:对网络估计出的传播图又用了导向滤波器进行后续的优化
2 训练
数据集 NYU-V2 Depth dataset
前提:(1)全局大气光B服从[0.7.1]均匀分布;(2)大气散射系数从[0.6,2.8]随机选择;(3)针对每个无雾清晰图像以及对应的深度图,我们随机选择5个全局大气感和大气散射系数,人工合成有雾图像;(4)所有样本采样到207x154的大小
训练集:1300张 x 5
验证集:101张 x 5网络参数
权重:高斯初始化
学习率:0.001 动量参数:0.9
batch size:32
损失函数:大气光估计子网络的损失函数是:SSIM误差;传播图估计子网络的损失函数是:均方误差;因此,整个网络的损失函数上面两个误差之和。
优化方法:Adam
框架:Tensorflow对比实验
卷积核个数的实验比