LightenNet: A Convolutional Neural Network for weakly illuminated image enhancement 论文阅读笔记

最新推荐文章于 2023-12-19 17:17:22 发布
最新推荐文章于 2023-12-19 17:17:22 发布
阅读量439 收藏
点赞数
分类专栏： 论文阅读笔记 文章标签： 论文阅读 笔记
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_44326452/article/details/131671094
版权
该论文提出了一种简单的网络结构，由4层卷积组成，用于生成illuminationmap，无下采样操作。通过1.7的gamma校正和导向滤波消除图像伪影，然后用原图除以illuminationmap实现暗图增强。数据集是合成的，通过调整正常亮度图片的光照值生成暗图，并计算MSE损失进行监督学习。
摘要由CSDN通过智能技术生成

在这里插入图片描述

  • 这是李重仪老师在ANU攻读博士期间发表在18年PRL期刊的一篇暗图增强的论文
  • 网络结构很简单，4层卷积，没有下采样，输出是illumination map，有监督地训练：
    在这里插入图片描述
  • 输出的illumination map进行 γ = 1.7 \gamma=1.7 γ=1.7的gamma校正后用导向滤波消除伪影（输入图片的R通道作为 16 × 16 16\times16 16×16导向滤波的guided image），随后用原图除以最终的illumination map得到增强结果
  • 训练用的数据集是合成的，首先采集一些正常亮度的图片，随机一个0-1之间的值作为illumination value，图片乘以这个值可以得到暗图，这个值copy成图片大小作为GT和网络预测的illumination map算MSE损失。图片分patch送进网络来训练，每个patch是16x16。
  • 启发是导向滤波的使用
ssf-yasuo
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
em算法 图像模糊检测_基于深度学习的图像增强调研
weixin_31062533的博客
12-06 770
目前，行业内绝大数企业能够做到再正常天气状态下的自动驾驶，但是对于恶劣天气环境，很多企业其实还有很多难题。合理轨迹不同感知传感器的瓶颈，冗余设计都是解决方案。对于夜间的图像识别应该怎么处理呢？先通过一个分类器，判别属于白天还是黑夜，然后如果判别为黑夜，或许能先经过图像增强，然后才进行下一步检测识别等流程。在计算机视觉应用（例如，物体检测和跟踪）和消费电子（例如，手持设备）中都需要高质量的图像和视频...
阅读论文《LLCNN: A convolutional neural network for low-light image enhancement》
CHNguoshiwushuang的博客
06-27 3309
  这是2017年VCIP的一篇论文，使用神经网络对暗光下的图像作增强。使用的网络基本结构如下图所示：   网络由一个卷积层输入，一个卷积层输出，中间由若干卷积模块组成，特征数均为64。卷积模块参考残差网络和inception的结构，先分成两路送入，然后将两路输出直接相加，相加后结果再通过一个残差相加。如下所示：   网络使用SSIM-Loss,正常的MSE...
A convolutional neural network for modelling sentences论文及翻译
11-24
A convolutional neural network for modelling sentences论文及翻译
论文笔记（7）：Constrained Convolutional Neural Networks for Weakly Supervised Segmentation
weixin_30699465的博客
02-01 316
UC Berkeley的Deepak Pathak 使用了一个具有图像级别标记的训练数据来做弱监督学习。训练数据中只给出图像中包含某种物体，但是没有其位置信息和所包含的像素信息。该文章的方法将image tags转化为对CNN输出的label分布的限制条件，因此称为 Constrained convolutional neural network (CCNN)。 该方法把训练过程看...
低光图像增强（Low-light image enhancement）文章整理
热门推荐
fovever_的博客
05-02 1万+
低光图像增强是图像增强任务中的重要组成部分，目前对于低光图像增强方法的整理参差不全。因此希望在以有的文章基础上整理汇总一下现有的低光图像增强算法（文章和代码）。希望为自己以及大家查找低光图像增强领域的文章和代码提供一些便捷。
2104.10729阅读笔记
zxs0717的博客
11-02 2848
原文链接 https://arxiv.org/abs/2104.10729 Abstract & Introduction Abstract 目标：为了改善在低光照环境中捕捉图像的感知和可解释性 Introduction 基本任务：弱光增强 传统的弱光增强方法：直方图均衡化 28，29；Retinex模型 30，31，32，33，34，35，36，37 1.典型的基于Retinex模型的方法 通过某种先...
弱光图像增强(Low-light image enhancement)资料整理（更新中...）
田野的博客
11-08 3710
弱光图像增强(Low-light image enhancement)资料整理
论文解读（一）V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation
weixin_38024155的博客
08-24 2197
发表：Computer Vision and Pattern Recognition 数据集： MRI volumes depicting prostate前列腺核磁共振成像 目标函数：基于Dice系数的目标函数 数据增强：随机非线性转换和直方图匹配来增加数据 摘要： CNN最近被应用于解决计算机视觉和医学图像分析领域的问题。尽管它们很受欢迎，但大多数方法只能处理2D图像，而在临床实践中使用的大多数医疗数据是由3D组成的。 (1) 在这项工作中，我们提出了一种基于三维全卷积神经网络的三维图像分割方法。 (2
Deep Alignment Network: A convolutional neural network for robust face alignment
zjjzhaohang的博客
09-26 5264
论文分析 论文提出了一种类似级联的神经网络结构。这一点上很遗憾，我在一个月之前也想到了这种模式。因为对于实时 Landmark 的跟踪，其实可以利用上一帧的预测结果来预测下一帧 Landmark 的位置。但现代大部分的 CNN 结构没办法办到。在与朋友的讨论中可以仿照RNN来建立时间线上的联系，解决在实时跟踪中的效率及时间稳定性。当时想动手设计并实现一个这样的网络，后来因为公司原因并没有动手，想
LLNet模型实现
05-24
实现基于稀疏自动编码器的图像同时增强和图像去噪，该资源包含自己处理的样本数据
开放学习深度学习时代的黑暗
02-09
深度学习时代的黑暗：调查，在线平台，新数据集 该存储库提供了一个统一的在线平台DarkPlatform ，该平台涵盖了许多流行的基于深度学习的LLIE方法，其结果可以通过用户友好的Web界面生成，其中包含低光图像和视频数据集LLIVPhone ，其中这些图像和视频是在不同的照明条件下通过各种手机的摄像头拍摄的，并收集了基于深度学习的微光图像和视频增强方法，数据集和评估指标。 更多内容和细节可以在我们的调查论文：。 :victory_hand: 我们将定期更新内容。 如果您错过了在顶级期刊或会议上发表的论文，欢迎与我们联系。 我们将添加它。 内容 黑暗平台 目前，DarkPlatform涵盖了13种流行的基于深度学习的LLIE方法，包括LLNet，LightenNet，Retinex-Net，EnlightenGAN，MBLLEN，KinD，KinD ++，TBEFN，DSLR，DRBN，ExCNet，Zero-
使用深度学习的微光图像和视频增强：综述
最新发布
mytzs123的博客
12-19 1965
1INTRODUCTION微光图像增强（LLIE）旨在提高在光照较差的环境中捕获的图像的感知或可解释性。该领域的最新进展主要是基于深度学习的解决方案，其中采用了许多学习策略、网络结构、损失函数、训练数据等。在本文中，我们提供了一个全面的调查，涵盖了从算法分类到未解决的开放问题的各个方面。为了检验现有方法的通用性，我们提出了一个低光图像和视频数据集，其中图像和视频由不同的手机摄像头在不同的照明条件下拍摄。此外，我们首次提供了一个统一的在线平台，涵盖了许多流行的LLIE方法，其中的结果可以通过用户友好的网络界面
【解纠缠表示：图像增强】
weixin_43690932的博客
12-09 3718
仅供自己参考
综述Image Colorization: A Survey and Dataset
m0_37833297的博客
08-12 580
我想看一个image colorization 的综述，然后惊奇发现这也是lichongyi（李重仪） 大佬有贡献的文章。 我的英语写作能力很差，用英语总结练习，用词和句式都很简单。 Development The structure of the review This is the review of single-image colorization with deep-learning. To the best of our knowledge, no survey of either tra
综述：深度学习时代的低光图像增强最全综述，附带最新提出的大尺度低光图像数据集、在线评估平台
聚焦底层视觉处理，对相关基础AI技术持续学习
04-29 1万+
编辑：Happy 首发：AIWalker 本文是南开大学程明明与南洋理工大学Chen ChangeLoy等人关于深度学习时代的低光图像增强的综述。本文从低光图像增强的数据集、网络架构、损失函数、学习机制等不同角度对其进行了系统性的总数；为评估不同方法的泛化性与鲁棒性还提出了一个大尺度低光图像数据集；与此同时，针对低光图像增强存在的挑战以及未来有研究价值的方向进行了探讨。强烈推荐给各位low-level领域的同学！ Abstract 低光图像增强(Low-light image enhancemen.
Low-Light Image and Video Enhancement Using Deep Learning: A Survey 论文阅读笔记
read, note and comment papers
01-05 6072
2021 低光图像质量增强 survey 的一个论文阅读笔记
python白平衡-图像增强 Image Enhancement
weixin_37988176的博客
10-29 1515
图像增强（Image Enhancement），其目的是要改善图像的视觉效果。自动色阶作用：自动调整图像中的黑白场。原理：剪切每个通道中的阴影和高光部分，并将每个颜色通道中最亮或最暗的像素映射到纯白或纯黑；中间像素按比例重新分配分布。运用：会增强图像中的对比度，因数像素值会增大。特点：单独调整每个颜色通道，有可能会移去颜色或引入色痕。在像素平衡分布且需要以简单方式增加对比度的特定图像中，提供较好的...
《An Experiment-Based Review of Low-Light Image Enhancement Methods》低光图像增强综述
qq_41455766的博客
10-28 2221
《An Experiment-Based Review of Low-Light Image Enhancement Methods》低光图像增强综述 在弱光照条件下拍摄的图像往往具有亮度低、对比度低、灰度范围窄、颜色失真等特点，并且噪声较大，严重影响了人眼的主观视觉效果，极大地限制了各种机器视觉系统的性能。 微光图像增强的作用是提高这些图像的视觉效果，以利于后续处理。本文综述了近几十年来发展起来的微光图像增强技术。首先，我们对这些算法进行了新的分类，将其分为七类：灰度变换法、直方图均衡法、Retinex
STransFuse: Fusing Swin Transformer and Convolutional Neural Network for Remote Sensing Image Semantic Segmentation
06-09
STransFuse是将Swin Transformer和卷积神经网络（CNN）相融合的一种方法，用于遥感图像语义分割任务。具体而言，STransFuse首先使用Swin Transformer提取图像的全局特征，然后将这些特征与CNN中提取的局部特征进行融合，从而获得更准确的语义分割结果。在实验中，STransFuse在多个遥感图像数据集上取得了优异的性能表现，证明了其在遥感图像分析中的有效性和实用性。
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