论文笔记Waternet

最新推荐文章于 2024-04-16 16:34:50 发布
最新推荐文章于 2024-04-16 16:34:50 发布
阅读量1.5k 收藏 2
点赞数 1
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42639897/article/details/117260445
版权

An Underwater Image Enhancement Benchmark Dataset and Beyond论文笔记

Readme

这是一篇记录自己最近阅读论文的笔记以及感悟的博客

论文的贡献

1.提出真实基准数据集，此数据集为真实世界数据集，同时，论文作者采用了12种增强方式分别对每张图像进行增强，采用志愿者主观判断来从所有的增强结果中选取GT。
2.提出了water-net,water-net为基础的VGG网络，该网络的结构较为简单，该baseline还存在很大的改进空间。

创新点

1.针对水下图像真实世界数据集匮乏的background提出UIEBD数据集
2.论文的核心思想在于融合，融合的思想贯彻于整个论文之中，产生GT：融合！一个算法不行，12种算法一起。网络输入：融合！分别产生图像的WB(白平衡)，HE(直方图均衡)，GC(伽马校正)，与原始图像一起输入作为网络的特征输入。

论文启发以及可改进的点

1.网络改进，提出更加高效的baseline
2.改进论文中提出的后向散射问题

网络结构(后续补图)

不二222
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
datasets:一组公开可用的数据集
07-02
数据集 一组公开可用的数据集
Water-Net：水下图像增强基准数据集（UIEB Dataset）2019年TIP顶刊论文
紫芝的博客
02-02 8823
IEEE Transactions on Image Processing CCF推荐国际学术期刊A类（计算机图形学与多媒体） Water-Net 它是一种门控融合（gated fusion）的卷积神经网络，在UIEB数据集上进行水下图像增强。为了适应退化的水下图像的特性，Water-Net模型通过三种方法增强输入图像，分别是白平衡（WB）、伽马矫正（GC）和直方图均衡（HE）。但是这是一个复杂的CNN结构，受到反向散射的影响。 项目地址：https://li-chongyi.github.io/pro.
UWGAN_UIE:UWGAN的源代码-Source code world
03-25
该存储库包含开发的方法的源代码 此代码是从和修改的 网络结构 UWGAN用于生成逼真的水下图像 UWGAN将彩色图像及其深度图作为输入，然后通过生成对抗性训练学习参数，从而基于水下光学成像模型合成水下真实图像。 您可以在找到更多详细信息。 通过UWGAN合成的水下样式图像。 （a）是空中样本图像，（b）-（d）是不同水类型的合成水下样式样本图像。 基于UNet的水下图像恢复 拟议的用于水下图像恢复和增强的U-net体系结构。 比较了U-net中不同损失函数的影响，在比较的基础上提出了最适合水下图像恢复的损失函数，可以在找到有关损失函数的更多详细信息。 数据集 下载数据： 空中RGBD数据： ， 水下图片：[] [ ] UIEB数据集进行验证：[ ] 我们用来训练UWGAN的NYU数据集：[] [ ] 从UWGAN生成的假水图像：[ ] 预训练模型：[ ] UWGAN中的
水下图像增强matlab代码-BSc_Underwater_Image_Enhacement:BSc_Underwater_Image_Enh
06-04
水下图像增强matlab代码BSc_Underwater_Image_Enhacement 这是 Repository 包含用于我的 BSc 论文水下图像增强的 Matlab 代码。 注意：代码最初不是我个人从头开始构建的。 我只是将它用于我的研究目的，并进行了一些小的调整。
Google Earth Engine（GEE）——全球地表水和地下水盐度测量（1980-2019）
qq_31988139的博客
02-21 828
尽管与许多其他水质参数相比，盐度的监测相对普遍，但在全球范围内，还没有对地表水和地下水成分的现有数据集进行汇编和协调。在此，我们提出了一个新的全球盐度数据库，该数据库由1980-2019年期间地表水（河流、湖泊/水库）和地下水位置的电导率（EC）监测数据汇编而成。这个数据库可以为水资源盐度水平的元分析提供新的机会，也可以为解决与历史和未来盐化模式和影响有关的数据和模型驱动的问题提供新的机会。每个类别都有两个相关的csv格式的数据文件，一个包含完整的盐度数据，另一个是目前完整的盐度数据集的摘要文件。
libtorch水下图像增强模型和基准数据集
爱CV
07-19 1392
此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。60 张具有挑战性的水下图像。
232021周报：输入通道改变
mr_malongyu的博客
10-21 133
MSE，PSNR和SSIM三个最常见的图像评估指标上，UIEB数据集明显更青睐于F、D两种方法，同样的是，志愿者们的评价标准与之类似。在默认参数下，默认输入图像为（batch_size,3,640,640）的图像，要求输出（batch_size,1,640,640），首先对通道数进行修改。论文提出的原本是图像搜集方法为：这些水下图像是从谷歌，YouTube，相关论文以及我们自己捕获的视频中收集的。3.应提供相应的高质量参考图像，以便成对的图像能够进行公平的图像质量评估和端到端学习。
An Underwater Image Enhancement Benchmark Dataset and Beyond
贱小杜的博客
03-28 4832
The main contributions 4种类型的水下图片增强办法： Supplementary information-based methods Non-physical model-based methods 修改图像像素值，提高视觉质量。 Physical model-based methods Data-driven methods 本文提出的基准数据库 UIEBD 在系统...
An Underwater Image Enhancement Benchmark Dataset and Beyong
qq_36501101的博客
12-09 2059
1.论文地址 链接：https://pan.baidu.com/s/1EVDKTYQbpBoj7ae4Uq4kxw 提取码：kamc –来自百度网盘超级会员V3的分享 2.代码地址 https://github.com/Li-Chongyi/Water-Net_Code 仅包含了文中所提出的网络结构，没有其他的算法复现 3.文章内容 主要贡献 （1）创建了一个真实场景的数据集UIEBD，包含950张水下图像，其中890张带有清晰图片，60张用于测试的图片。 （2）从数量和质量层次，对九种图像恢复手段进行
Water-Net
计算机视觉
11-24 1982
This is the code of the implementation of the underwater image enhancement network (Water-Net) described in "Chongyi Li, Chunle Guo, Wenqi Ren, Runmin Cong, Junhui Hou, Sam Kwong, Dacheng Tao , IEEE TIP 2019". If you use our code or dataset for academic
彩色补偿的matlab代码-Awesome-Underwater-Image-Enhancement:一组很棒的水下图像增强方法
05-23
彩色补偿的matlab代码很棒的水下图像增强 作者：李玉峰，黄玉峰 1说明 很棒的水下图像增强方法的集合。 维护论文，代码和数据集。 2相关工作 2.1数据集 U45 [] EUVP [] DUIE [] UIEB [] UWCNN [] 涡轮[] Uw-imagenet [] MHL，牙买加领域[] 2.2论文 2020年 Marques等人的L2UWE：使用局部对比度和多尺度融合有效增强弱光水下图像的框架。 [] [] Zhou等，基于物理模型反馈的水下图像领域自适应对抗学习。 [][代码] Marques等人的L2UWE：使用局部对比度和多尺度融合有效增强弱光水下图像的框架。 [] [] Islam等人，《快速水下图像增强功能可改善视觉感知》。 [] [] 2019年 Anwar等人，“深入研究水下图像增强功能：一项调查”。 [] [] Li等人，《水下图像增强基准数据集及其他》。 [] [] Roznere等人，水下机器人基于模型的实时图像色彩校正。 [] [] Jamadandi等人的“基于样例的水下图像增强技术”通过小波校正变换进行了增强。 [] [] Song等人，“利用
水下无线通信调研报告
dukl
12-27 754
1. 概述 分类：水下声通信、水下电磁通信和水下光通信。
Water 2.5 发布，一站式服务治理平台
向往自由的少年！（我是一个少年！！！）
01-27 3935
Water（水孕育万物…） Water 为项目开发、服务治理，提供一站式解决方案（可以理解为微服务架构支持套件）。基于 Solon 框架开发，并支持完整的 Solon Cloud 规范；已在生产环境奔跑了4年。 功能约等于：consul + rabbitmq + elk + prometheus + openFaas + quartz 等一些别的功能，并有机结合在一起。 本次更新 权限系统由旧的bcf框架切换为grit框架 /run/、/msg/ 开头的触发规则统一为：/_run/ 开头 助理工具 wat
基于小样本量的水下图像识别
热门推荐
大胡子的博客
09-22 1万+
摘要：由于海洋环境的不受限制，使得水下物体的识别成为一项具有挑战性的任务。在大数据集的背景下，深度学习方法已成功地应用于空中物体的图像识别。然而，我们发现深度神经网络(DNNs)容易在小样本数据集中发生过拟合现象。不幸的是，水下图像采集往往需要大量的人力和物力，这使得获取足够的样本图像来训练DNNs变得困难。此外，水下摄像机捕捉到的图像通常会因噪声而恶化。         这一篇文章中，我...
【论文阅读02】一种基于双通道的水下图像增强卷积神经网络
最新发布
weixin_45037690的博客
04-16 1229
​细节特征提取通道中的密集连接后又引入高效注意力机制，使网络自适应关注特征的权重。细节提取模块分为两个模块：密集连接模块和高效注意力模块。高层语义提取模块就是多尺度高层语义提取模块。然后，引入了残差注意力模块和自适应融合模块优化特征，将优化后的特征送入解码器进行清晰图像的重建。解码器采用卷积激活串联结构。提出基于双通道的水下图像增强卷积神经网络，设计了编码器中的细节特征提取模块和多尺度语义特征提取模块，提出了复频域损失函数。
U-Shape Transformer for Underwater Image Enhancement（用于水下图像增强的U型Transformer）总结
G-Howe的博客
12-04 939
在第一轮中，受多个弱分类器可以组成一个强分类器的集合学习[46]的启发，我们首先使用现有的 18 种最优 UIE 方法相继处理收集到的水下图像，生成一个包含 18 ∗ 8018 幅图像的集合，用于下一步最佳参考数据集的选择。这项实验发布了一个大规模水下图像（LSUI）数据集，其中包含真实世界的水下图像，与现有的水下数据集相比，具有更丰富的水下场景（水域类型、光照条件和目标类别），并生成相应的清晰图像作为对比参考。在不同的色彩空间中对某一通道进行量化的目的是计算增强图像与参考图像在该通道上的交叉熵损失。
水下目标检测
whaosoft143ai的博客
02-06 2490
水下目标检测目前任然还是一个具有挑战的领域, 相比于传统图像处理方法分多个步骤和环节处理检测任务, 基于深度学习的方法将其统一为端到端的特征提取和分类。虽然水下目标检测技术已经不断地从学术研究走向成熟的工业应用, 但是依然有一些需要解决的问题。 whaosoft aiot http://143ai.com
mean-teacher 半监督水下图像恢复
whaosoft143ai的博客
03-23 614
尽管最近水下图像恢复技术取得了显着成就，但缺乏标记数据已成为进一步发展的主要障碍。这项工作提出了一种基于mean-teacher 的半监督水下图像恢复（Semi-UIR）框架，以将未标记的数据整合到网络训练中。论文链接：https://arxiv.org/pdf/2303.09101.pdf源码链接：https://github.com/Huang-ShiRui/Semi-UIR由于水下场景中光纤折射吸收和散射，在水中拍摄的图像通常会出现严重的色彩失真，低对比度和模糊的现象。whaosoft aiot ht
UCI数据集和源代码&数据挖掘的数据集资源
ee_mc的专栏
11-11 3952
《UCI数据集和源代码》 UCI数据集是一个常用的标准测试数据集，下载地址在 http://www.ics.uci.edu/~mlearn/MLRepository.html 我的主页上也有整理好的一些UCI数据集(arff格式)： http://lamda.nju.edu.cn/yuy/files/download/UCI_arff.zip 在看别人的论文时，别人使用的数据集会给出数据
图像增强2023最新经典顶会论文和代码合集，附开源数据集下载
学姐带你玩AI的博客
12-21 2451
是图像处理领域长期的、不可回避的研究课题，也是活跃在各大顶会中的热门研究方向。其应用范围广泛涉及医学影像分析、安全监控、智能交通、目标检测与识别、遥感影像处理等领域，具有很高的实用性，因此每年的相关论文数量也比较多。这次我就给同学们盘了今年，还整理了部分，另外附上了一些。因为时间和篇幅关系，只做简单介绍，建议有发顶会需求的同学看原文仔细学习~论文原文及代码数据集看文末。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值