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 Li Jinhui Tang†
School of Computer Science and Engineering, Nanjing University of Science and Technology
- 研究方向:
Dehazing,cGAN
- motivation
对于直接通过算法复原有雾的图像现有的算法可分为基于自适应色彩对比度增强的方法和基于正则化的方法,前者存在视觉伪影,后者由于 transmission map不准确,活影响图像去噪的清晰性。为了解决这些问题,作者基于cGAN,提出了一个端到端的可训练的神经网络。但与基本的cGAN不同,作者提出的是encoder and decoder结构,可以生成更好的结果。
- 网络结构
网络结构 :
生成器:包括encoding和decoding,作者受ResNet和U-Net启发,在对称层引入了跳层连接,没有简单地将对称层的所有通道连接起来,而是采用求和方法来获取更多有用的信息。
鉴别器:采用基本的卷积、批量正则化、LeakyReLU激活函数运算,用于鉴别输入的图像是真的还是假的。
目标函数:
损失函数:
损失函数分三部分,对抗损失+感知损失(改善SSIM)+像素级损失(VGG网络,改善PSNR)
对抗损失:
感知损失:
像素级损失:
其中J是清晰图像,I是有雾的图像。
综合以上3个损失:
- 实验细节
合成数据集:
作者认为去雾的过程可以描述为以下模型:
I是有雾的图像,J是去雾图像,t是传播图,A是全局大气光值,利用以上模型生成有雾的图像。
条件对抗网络的网络配置:
实验效果(与其他方法对比):
评价指标(与其他方法对比):
- code
https://github.com/hong-ye/dehaze-cGAN
PS:看论文的时候边看边做的记录,纯小白,不喜勿喷。
转载于:https://www.cnblogs.com/yeshengCqupt/p/9916543.html
论文阅读:Single Image Dehazing via Conditional Generative Adversarial Network相关推荐
- 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: ...
- 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 ...
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文翻译——中英文对照
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书 声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com ...
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network论文翻译——中文版
文章作者:Tyan 博客:noahsnail.com | CSDN | 简书 声明:作者翻译论文仅为学习,如有侵权请联系作者删除博文,谢谢! 翻译论文汇总:https://github.com ...
- Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network Ledig C, Theis ...
- 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( ...
- 《Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network》阅读笔记
Abstract 尽管我们已经利用更快更深的卷积神经网络(CNN)突破了单一图像超分辨率的速度和精度,但有一个中心问题仍没有完美解决:当对放大很多倍的图像进行超分辨率时,我们该如何更好的恢复图像的纹理 ...
- 【论文翻译】中英对照翻译--(Attentive Generative Adversarial Network for Raindrop Removal from A Single Image)
[开始时间]2018.10.08 [完成时间]2018.10.09 [论文翻译]Attentive GAN论文中英对照翻译--(Attentive Generative Adversarial Net ...
- 【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 ...
最新文章
- 熬10天夜,肝出了这个PDF版“软件安装手册”(附下载)
- Nginx 安装配置教程
- 【freemarker】渲染列表一系列操作
- JAVA——HttpClient封装工具类
- react router官方文档_阿里开源可插拔 React 跨端框架 UmiJS
- gdal数据类型_科学网-gdal数据类型的代码的核心定义文件-林清莹的博文
- 天天动听 半透明Menu效果
- HDU - 6333 Harvest of Apples
- 2019春第六周作业
- java将url页面生成pdf_如何将PDF页面从横向改成纵向?
- 【学习笔记】cs231n-assignment1-two_layer_net
- 网络安全学习--007--漏洞分析简介
- 面对突如其来的新冠,“AI”可以做点什么?
- android项目图片分辨率转换工具
- 小说更新太慢怎么办_写网络小说写得太慢怎么办?
- Ubuntu18.04使用Xorg创建虚拟屏幕
- 餐饮行业如何做好微营销
- 大数据技术十大核心原理
- 几款免费ssh客户端软件--替代xshell选型
- 四万字32图,Kafka知识体系保姆级教程宝典
热门文章
- Abp vnext Web应用程序开发教程 6 —— 作者:领域层
- 开源项目的名称背后都有哪些故事?
- c# docx格式word文档导入
- C#:Interval Helper
- 学习Azure Functions:在Visual Studio 2017中创建Azure Functions
- mysql数据库加载太慢_使用MySQL数据库很慢
- 按相反的顺序输出列表的元素python_Python练习实例32 | 如何以相反的顺序来输出列表的值?...
- scss 变量_SCSS和Sass使用这种样式语言所需的所有CSS和SCSS代码
- 第三方软件源_最强软件管家!要啥有啥,吊打全网~
- 移动端点击链接元素出现蓝色边框或者出现半透明蓝色背景