论文阅读：GridDehazeNet: Attention-Based Multi-Scale Network for Image Dehazing

论文及代码详见：https://xiaohongliu.ca/GridDehazeNet/

1. 摘要

文章提出了一种端到端可训练的CNN，即GridDehazeNet。GridDehazeNet包含三个模块：预处理模块，主干模块和后处理模块。可训练的预处理模块相比手工选择的预处理方法，可以产生具有更好的多样性和更有针对性的输入。主干模块在实现了一种新的基于注意力的多尺度估计，有效缓解了传统多尺度方法中经常遇到的瓶颈问题。后处理模块有助于减少最终输出中的瑕疵。

2. GridDehazeNet

2.1 网络结构

总体网络框架如下：

总体网络框架中的块的详细解释：

2.2. 通道注意力的特征融合

注意到整体框架中，许多地方将水平块的输出和竖直块的输出进行融合，即图中红色圆圈圈住A的地方。此处即为通道注意力的特征融合。融合机制可以定义如下：
$${\hat{F}}^i=a_r^i{F}_r^i+a_c^i{F}_c^i$$
其中，$\widehat{F^i}$代表$i$通道融合后的结果，$F_r^i$表示当前融合水平输入的第$i$个通道，$a_r^i$表示当前融合水平输入的第$i$个通道的融合权重，$F_c^i$代表当前融合竖直输入的第$i$个通道，$a_c^i$表示当前融合竖直输入的第$i$个通道的融合权重。

2.3 损失函数

损失函数包括两部分：平滑$L_1$损失和感知损失。

2.3.1 Smooth $L_1$ Loss

平滑$L_1$损失定义为：
$$L_S=\frac{1}{N}\sum _{x=1}^N\sum _{i=1}^3{F}_S({\hat{J}}_i(x)-J_i(x))$$
其中：
$$F_S(e)=\{\begin{array}{ll}0.5e^2,& if|e|<1,\\ |e|-0.5,& otherwise.\end{array}$$
平滑$L_1$损失函数的原理可以看别的博客。

2.3.2 Perceptual Loss

感知损失利用预训练模型，提去多尺度特征来量化结果和GT的视觉差异。本文用的是在ImageNet上预训练的VGG-16模型，从前三个阶段（即Conv1-2, Conv2-2，Conv3-3）的最后一层提取特征。
感知损失定义为：
$$L_P=\sum _{j=1}^3\frac{1}{C_j{H}_j{W}_j}||{\varphi }_j(\hat{J})-{\varphi }_j(J)|{|}_2^2$$
其中，${\varphi }_i(\hat{J})$(${\varphi }_i(J)$)，$j=1,2,3$，为去雾结果$\hat{J}$(the ground truth $J$)相关联的三个VGG-16的特征图。$C_j$，$H_j$，$W_j$为${\varphi }_i(\hat{J})$(${\varphi }_i(J)$)的尺寸。

2.3.3 Total Loss

总的损失函数为：
$$L=L_S+\lambda L_P$$
其中$\lambda$为调整两个损失相对权重的参数。本文设为$\lambda =0.04$。

3. 实验结果

4. 总结

本文提出了一个端到端可训练的CNN，名为GridDehazeNet，并展示了它在单幅图像去雾方面的竞争性能。由于其网络结构的通用性，GridDehazeNet有望适用于广泛的图像复原问题。