CVPR2020原论文:Domain Adaptation for Image Dehazing
开源代码(pytorch框架):https://github.com/HUSTSYJ/DA_dahazing
1.主要内容:
提出了领域适应的单幅图像去雾网络。能够有效在合成数据集合和真实数据集的差异之间建立联系。利用人工合成数据集训练,同时利用真实图像数据集参与训练,使得网络对人工合成图像和真实图像都具备较好的去雾能力。
(领域适应:指深度网络利用人工合成数据集训练的同时,能够在真实图像数据集领域中有较好的泛化能力)
2.问题描述
真实图像数据(Real)集较难获取(即模糊图像的ground truth难获取),故而一般的网络方案都采用人工合成数据集(Synthetic)进行训练,但是训练好的模型对真实图像域的图像没有泛化能力。
针对这个问题,文章提出了图像变换网络,也就是将人工合成图像S经过网络输出变换为真实图像R,同时将真实图像R经过网络输出变换为合成图像S,即:
图像变换网络得到(S,R)图像对,将两幅图像分别输入对应的去雾网络完成去雾。
3.主体网络结构: