论文阅读计划2(Deep Joint Rain Detection and Removal from a Single Image)

Deep Joint Rain Detection and Removal from a Single Image[1]

  • 简介:多任务全卷积从单张图片中去除雨迹。本文在现有的模型上,开发了一种多任务深度学习框架,学习了三个方面,包括二元雨条纹映射(binary rain streak map),雨条纹外观和干净的背景。特别是新添加的二元雨条纹映射,其损失函数可以为神经网络提供额外的强特征。对于雨带积累现象(暴雨形成的如烟如雾的现象),采取循环雨检测和清除,以迭代和渐进方式清除。

  • 动机:恢复暴雨下拍摄的图像,在自动驾驶等领域是重要的研究问题。在暴雨下拍摄的图像包含背景层和将与条纹层,此任务的目标在于输出干净的背景。

  • 雨模型由原来的:

    O=B+S~

    变为:

    O=B+SR

    其中,B是背景层,S~为雨迹层,O为原始图片,R是二元值,1表示雨区,0表示无雨区。

    联合的雨迹检测和移除:

    雨迹移除的过程如上图所示,首先使用基于上下文扩展的网络(Contextualized Dilated Networks,论文4.2详述)抽取雨迹特征表示F,基于此,接下来依次预测R,S,B。

[1] Yang W, Tan R T, Feng J, et al. Deep joint rain detection and removal from a single image[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017: 1357-1366.

posted @   冬色  阅读(1269)  评论(0编辑  收藏  举报
编辑推荐:
· 一个奇形怪状的面试题:Bean中的CHM要不要加volatile?
· [.NET]调用本地 Deepseek 模型
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· .NET Core 托管堆内存泄露/CPU异常的常见思路
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
阅读排行:
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· DeepSeek “源神”启动!「GitHub 热点速览」
· 我与微信审核的“相爱相杀”看个人小程序副业
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
· 上周热点回顾(2.17-2.23)
点击右上角即可分享
微信分享提示