Gated Context Aggregation Network for Image Dehazing and Deraining

arXiv 2019

Dongdong Chen, Mingming He, Qingnan Fan, Jing Liao, Liheng Zhang, Dongdong Hou, Lu Yuan, Gang Hua

简介

文章提出了一种新的端到端门控上下文聚合网络来去雾。其中使用了不产生伪影的扩张卷积。

Model

文章从不同的级别中提取特征图，并将其输入到门控融合子网中。门控融合子网的输出时三个不同的重要权重,分别对应每个特征级别。然后将特征图和权重进行线性组合：

得到的在经过一次卷积后即得到了最终的去雾结果。

区别于过往的算法，文章的估计目标结果为

扩张卷积

如图所示，扩张卷积后的图像的相邻像素在扩张卷积前没有联系，这会容易导致扩张卷积产生块状伪影。而对于该问题的解决方法也非常简单，在扩张卷积前卷积一次即可。在本文的网络中，它使用了卷积核大小为,可分离，可分享的卷积。其中为接下来的扩张卷积的扩张率，可分离指卷积可以分离为两次卷积乘法过程，可分享指多通道的卷积核一层。该贡献来自《Multi-scale context aggregation by dilated convolutions》。

文章只使用了MSE损失。

数据和训练

数据集

• 训练集：RESIDE

• 测试集：RESIDE

训练设置

• Adam优化器
• 100轮训练
• 初始学习率为0.01
• 每40轮衰减为原来的0.1
• 批大小为12

对比和测试

测试指标

• PSNR
• SSIM

指标对比

结果展示