![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 59
4个2
这个作者很懒,什么都没留下…
展开
-
Domain Adaptation for Underwater Image Enhancement
1.目前水下图像增强算法存在的问题 (1)部分算法在合成数据集上进行训练,却无法很好地迁移到真实场景中。 (2)真实的海下图像数据的背景差异较大,没有一套算法可以很好地适用于所有的海下场景中。 2.提出的方法 (1)提出的图像增强算法分为两步,如下图所示。左边是Inter域的自适应调整,右边是Intra域的自适应调整。 Inter域存在的原因是增强模型在真实域中的性能,Intra域存在的原因是增强模型对不同背景图像的性能。 (2)算法第一部分:Inter域的处理 通过损失函数来理解该模型。 总损失分为四个部原创 2021-12-13 14:32:05 · 3271 阅读 · 4 评论 -
Deep Adversarial Decomposition: A Unified Framework for Separating Superimposed Images
文章领域:去雾去雨,尝试从混合图片中分离出所包含的单一图片。 效果: 结构: 损失:(结合结构理解) (1)crossroad L1 Loss 这部分损失是G生成的两张图与GT比较得到的。最小化d12+d21很好理解,就是减小生成图与其GT之间的差距,但是为什么要加上d11+d12呢,而且正常情况下不是应该增大生成图与非GT之间的差距吗。这就是去重合的特点,因为你并不知道输出的两张合成图的顺序,所以你没办法找到生成图对应的GT,为了保证生成图最终能和它所属的GT进行比较,所以距离分为了d11+d22原创 2020-12-23 15:38:50 · 455 阅读 · 1 评论