random2020

文章提出了一个DeeptransMap网络结果，其分为两个子网络PrismNet和SausageNet-72。其中PrismNet是一个自编码器，使用一个无监督loss来提取有雾图像的信息。SausageNet-72由文章自己设计的模块组成，文中给出了相关网络结构。文章使用了损…

文章提出了一种基于卷积神经网络的端到端深度残差卷积去雾网络。其由两个子网组成：一个用于去雾，另外一个用于优化前者的去雾结果。 GFN从有雾图中得到三个中间结果（白平衡图，对比度增强图，伽马校正图），再通过网络学习这三个中间结果的权重图。如果这些中间结果不包含足够的信息来去雾，就…

文章是基于无人机的去雾算法。无人机在执行检测轨道任务是，常遇雾霾天气，对检测轨道安全产生了影响。文章对于这一场景做了对应的研究。文章对于网络结果和损失函数做了创新工作。网络结构使用了密集金字塔残差端到端网络（DPRNet），损失函数采用了结构相似性。 由于估算A和t然后得到J的…

该文章是NTIRE 2019去雾竞赛中的冠军，其核心之处在于给出了两个新网络At-DH和AtJ-DH并且在 NTIRE2019和NTIRE2018的数据集中得到了较好的指标。该文章是实验性质的论文，没有太多的理论和观点的分析，只以高指标为目标。 即估计和，结合有雾图，得到去雾结…

首先声明：利益无关。 它应该是当前环境下最好的深度学习训练的方式了。 配置资源：Notebook。数据集可以后续再添加。创建完毕以后得到以下项目： 在修改中可以重新设置本项目挂载的数据集。 可以看到它给出的显卡是Tesla V100 16G。经过测试，偶尔可能会给Tesla V…

一般网络在进行去雾以后，都以PSNR和SSIM指标来评价去雾算法的性能。但在很多应用中，图像去雾以后并非是用于人类的视觉，而是用于高级视觉任务，如分类，识别，分割等等。因此就产生了一个问题：去雾方法是否能够产生更清晰的图像，从而提高高级任务的性能？文章使用合成和真实的有雾图像数…

文章对于去雾任务，提出了Ranking-CNN，其中包含一个Ranking卷积层，即对输入到Ranking层中的特征图按每个点的像素值进行从左上到右下的重新排列（通道之间不混合）。添加Ranking层的目的在于同时获得有雾图像的统计和结构信息。在此之外，文章还运用了随机森林参与…

文章对于去雾问题提出了名为HRGAN的新网络，顾名思义是生成器-鉴别器的对抗式生成网络。HRGAN能够联合估计大气散射模型中A，t和去雾结果J。生成器部分称为UNTA，意味联合了A，t来估算最终去雾结果J。鉴别器负责区分生成器的去雾结果和Gth。文章使用了像素损失（pixel-…

该论文提出了一个颜色转换模型进行去雾，即在颜色空间下进行去雾操作。颜色转换模型包含两个子网络，第一个子网络是去雾，第二个子网络是纹理增强。其中第一个自网络负责估计（在颜色空间下）从有雾图像到无雾图像的映射函数的斜率和偏移。第二个子网络在第一个子网络的基础上，提高图像的纹理细节和…