去雾网络----GCA-Net

GCA-Net

论文链接：https://arxiv.org/abs/1811.08747

代码链接：GitHub - cddlyf/GCANet: Implementation of "Gated Context Aggregation Network for Image Dehazing and Deraining"

1.网络结构：

​

我们的整体网络结构也设计为简单的自动编码器，其中在编码器和解码器之间插入七个残差块以增强其学习能力。具体来说，首先使用三个卷积层将输入的模糊图像编码为特征图作为编码器部分，其中只有最后一个卷积层将特征图下采样 1/2 一次。对称地，在解码器部分使用一个步幅为 1/2 的反卷积层将特征图上采样到原始分辨率，然后接下来的两个卷积层将特征图转换回图像空间以获得最终的目标雾度残留。

对于中间残差块，我们称它们为“Smoothed Dilated Resblock”，因为我们已将所有原始常规卷积层替换为上述平滑扩张卷积层。这七个残差块的膨胀率分别设置为(2, 2, 2, 4, 4, 4, 1)。为了在性能和运行时间之间取得良好的折衷，我们将所有中间卷积层的通道数设置为 64