Image De-raining Using a Conditional Generative Adversarial Network
经典的有关本方向的GAN网络文章
引入CGAN去执行一个附加的约束,derain图像必须更加接近ground-truth
提出了GAN的对抗LOSS和新型的LOSS函数
生成器子网络利用密集连接网络(dense network)
鉴别器是利用全局和局部信息来判断图像的真伪。
contribution
- 不需要post-processing的一个传统的条件GAN;
- 专门为单幅图像去雨设计的密集连接生成器;
- 多尺度鉴别器; leverage both local and global information;
We aim to directly learn a mapping from an input rainy image to
a de-rained (background) image by constructing a conditional
GAN-based deep network called ID-CGAN.
生成器应该在不丢失背景细节的情况下尽可能的删除rain streak
由于现有的方法都是对称的结构(adopted a symmetric (encoding-decoding) structure)所以该作者也在生成器中使用对称结构。用密集块去代替现存GAN生成器中使用的U-net和残差块。密集块能够产生strong梯度流和result in improved parameter efficiency。
第j个稠dense block Dj:
每一个密集块后跟着一个过渡块T: Tu上采样;Td下采样;
Tn不进行采样;
生成器网络如下
其中CBLP 为 卷积层-batch normalization-leak Relu-池化层
PatchGAN由朱俊彦的一文中提出使用[https://openaccess.thecvf.com/content_cvpr_2017/papers/Isola_Image-To-Image_Translation_With_CVPR_2017_paper.pdf]
也是比较经典的Pix2PixGAN
之前的GAN鉴别器,是输入图片,输出一个神经元,判别图片是真还是假,我们可以称为Image GAN
如果鉴别器输入图片,输出的是w×H×1,针对每个像素的真假进行了预测,我们称为Pixel GAN
patchGAN是在两者之间,输出一个30×30×1,每个神经元对应的感受野大小是70×70,我们称为Patch GAN(70x70)。文章中默认经过三次卷积网络得到输出。文章中说测试了70在他的实验中表现的好,性能超过Image GAN和Pixel GAN
注意,文章中鉴别器默认使用了三次卷积网络,同时他是一个域转换的条件GAN,需要同时feed进去input和output的图片,也就是concate到一起输入D.
作者解释了为什么用于图像去雨这种像素级别任务的GAN
是不稳定而且通过条件引导的生成器容易产生噪声和incomprehensible 的结果。
这是由于新的输入may 不服从训练样本的distribution
如何解决? 网络中引入新的感知损失 perceptual loss
LA代表对抗损失;LP代表感知损失;LE代表每像素的损失(欧几里得损失)λa λp如果都为0,则网络变成一个简单的CNN,主要目的就是最小化groundturth与derain result的欧几里得损失;如果λp为0 则网络变为一个简单的GAN;如果λa为0,则变成论文 “Perceptual losses for real-time style transfer and super-resolution”中的损失函数
λa = 6.6 × 10^-3
and λp = 1
Image De-raining Using a Conditional Generative Adversarial Network相关推荐
- 论文阅读:Single Image Dehazing via Conditional Generative Adversarial Network
Single Image Dehazing via Conditional Generative Adversarial Network Runde Li∗ Jinshan Pan∗ Zechao L ...
- 论文阅读 [TPAMI-2022] DE-GAN: A Conditional Generative Adversarial Network for Document Enhancement
论文阅读 [TPAMI-2022] DE-GAN: A Conditional Generative Adversarial Network for Document Enhancement 论文搜索 ...
- Single Image Dehazing via Conditional Generative Adversarial Network(CVPR2018-图像去雾)
论文的主要贡献: 1. 使用 cGAN 训练端到端网络 2. 构建新的损失函数,生成更逼真的清晰图像并去除伪影 3. 合成了一个包含室内和室外图像的模糊数据集 一.网络结构 生成器&判别器: ...
- 【医学+深度论文:F34】2018 CVPR Retinal Optic Disc Segmentation using Conditional Generative Adversarial
34 2018 CVPR Retinal Optic Disc Segmentation using Conditional Generative Adversarial Network datase ...
- DivCo: Diverse Conditional Image Synthesis via Contrastive Generative Adversarial Network
模式崩溃是cGAN较为重要的问题,以往工作大多数都致力于关注latent code和生成图像之间的关系而没有关注通过不同latent code生成的图像之间的关系.MSGAN(mode seeking ...
- PaperNotes(5)-Conditional Generative Adversarial Nets
Conditional GAN 论文阅读笔记 Abstract 1 Introduction 2 Related Work 3 Conditional Adversarial Nets 3.1 Gen ...
- 【GANs】Conditional Generative Adversarial Nets
[GANs]Conditional Generative Adversarial Nets 2 CGAN 2.1 CGAN简介 前言 流程图 目标函数 2.2 CGAN代码 2 CGAN 2.1 CG ...
- CGAN论文解读:Conditional Generative Adversarial Nets
论文链接:Conditional Generative Adversarial Nets 代码解读:Keras-CGAN_MNIST 代码解读 目录 一.前言 二.相关工作 三.网络结构 CGAN N ...
- 学习记录:Improving Image Captioning with Conditional Generative Adversarial Nets
学习记录:Improving Image Captioning with Conditional Generative Adversarial Nets 提示:这里可以添加系列文章的所有文章的目录,目 ...
最新文章
- Android WebView与ViewPager的滑动冲突分析
- 【Java基础】四种Java引用类型
- new Scanner(1.txt);读取不到文件中的数据
- Java之【线程通信】--标志位练习
- ffmpeg添加libx265
- 在Dreamweaver中安装Emmet(zen-coding)
- python有序队列_【Python】:拓展Queue实现有序不重复队列
- springboot微信小程序 获取微信unionid
- 正逆运动学解(三维)
- 计算机主机电源排线怎么取,电脑电源的线怎么接? 机箱电源线接法图解
- OI生涯回忆录(Part8:至高一省选Day1)
- 2021江苏省高考成绩排名查询,江苏高考成绩排名查询系统,2021年江苏个人成绩一分一段表...
- CTSC/APIO2018咕咕记THUPC2018打铁记
- ABAP——smartform添加图片
- BigWorld—chunck系统
- mne进行ica分析
- 获取淘宝订单的解决方案
- 045 [转载]DNS RPC 分析
- 中学-综合素质【8】
- Spring中的一些常用注解
热门文章
- VS Code 基础配置与美化
- 程序员版--致青春(二)——11平台dota胜负预判器
- 【好设计推荐】陌陌群组详情页展示
- Access denied错误的原因
- Python字符串函数大全系列文章(三)
- ajax浏览器后退 iframe,ajax后退解决方案
- php实现动态按钮效果,HTML_很酷的CSS发光按钮实现方法,用CSS3实现的发光按钮效果,虽 - phpStudy...
- 计算机病毒有哪些名称和时间,计算机病毒名称,请举出所有您知道的生物病毒的名称,越多越好。...
- 【流程】影视和游戏的IT基础设施详解
- ⑤早起的鸟儿有虫吃-JSTL核心标签库[收藏]