![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
去雾论文笔记
去雾论文笔记
larkii
所创作博客均作为个人笔记使用,谨慎参考!
展开
-
[NTIRE18]Multi-scale Single Image Dehazing using Perceptual Pyramid Deep Network
1. 概述 作者采用 Encoder-Decoder 结构进行去雾。与以往将大气散射模型嵌入网络中不同,作者让模型直接学习从雾图到GT的非线性映射。此外,由于 L2L_2L2 损失函数对去雾效果的副作用,作者采用了 MSE 和 感知损失函数(VGG16)作为新的损失函数。 2. 网络结构 网络结构如下图所示,作者采用稠密块(DenseBlock)残差块(ResBlock)的结合作为编/解码器,解...原创 2020-03-18 14:46:01 · 726 阅读 · 0 评论 -
MultiScaleConvNets
1. 概述 网络结构如图1所示。作者训练一个融合多尺度特征的网络来预测透射图,通过选择传输图t(x)中0.1%最暗像素来估计大气光 A 。在这些像素中,选取对应的朦胧图像 I 中强度最高的像素作为大气光。 网络输出的透射图尺寸与GT相同,去掉上、下采样虽能达到同样效果但是损害了模型性能。作者通过将前一层的一个像素点赋予后一层4个像素点同样的值来实现上采样。 图1 网络结构 作者修改了原始大气散射...原创 2020-03-16 16:31:58 · 302 阅读 · 0 评论 -
Adversarial Spatio-Temporal Learning for Video Deblurring
1. 概述 作者将GAN(原始的)应用到视频去雾中,由于2D卷积只能提取输入的位置信息,针对视频连续帧具有时间信息的特点作者采用了3D卷积(部分卷积层中),取得了SOTA的效果。 2. 模型结构 生成模型如图1所示, 图1 生成模型 作者通过对不同数量(3,5,7,9)的连续帧作为输入,对模型性能进行比较,选择了5作为模型输入连续帧的数量。因为作者采用的是3×3×3的卷积核,因此将三张连续帧进行...原创 2020-03-08 14:22:26 · 509 阅读 · 0 评论 -
DehazeGAN - thatbrguy
损失函数 Ltotal=Wgan×Ladv+WL1×LL1+Wvgg×Lvgg(1)L_{total}=W_{gan}\times L_{adv}+W_{L_1}\times L_{L1}+W_{vgg}\times L_{vgg} \tag{1}Ltotal=Wgan×Ladv+WL1×LL1+Wvgg×Lvgg(1) 1. CGAN损失函数: Ladv=E(x,y)[log(D...原创 2020-03-04 16:26:19 · 869 阅读 · 0 评论 -
AOD VideoDehazing
1. 概述 考虑到在自动驾驶汽车中的应用,作者将去雾与目标检测结合,建立了一个端到端的网络。 雾图的生成通常是基于大气散射模型: I(x)=J(x)t(x)+A(1−t(x)),(1)I(x)=J(x)t(x)+A(1-t(x)), \tag{1}I(x)=J(x)t(x)+A(1−t(x)),(1)其中I(x)I(x)I(x)表示雾图,J(x)J(x)J(x)表示真实图片,AAA和t(x)t(x...原创 2020-03-02 13:54:15 · 869 阅读 · 0 评论