低光照增强论文阅读:Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement
Posted 告白少年
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了低光照增强论文阅读:Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement相关的知识,希望对你有一定的参考价值。
特点:
1.将亮度增强作为一个利用深度网络进行图像曲线估计的任务.它将这个任务转换为了一个image-specific曲线估计问题(图像作为输入曲线作为输出),这类曲线对在输入的动态范围内进行像素级调整,从而获得增强图像。
2.提出了新的loss function.通过设置一系列non-reference的损失函数(空间一致性损失、曝光控制损失、色彩稳定性损失和照明平滑损失,可以间接反映增强质量),使得网络在没有任何参考图像的情况下能够进行end-to-end训练,训练时不需要任何配对或未配对的数据(避免了过拟合的风险)。
网络结构:
对输入图像不断迭代,直到LOSS最小,上一次输出的图像和这一次输入图像的map再输入,进行迭代
相关笔记:
1.https://blog.csdn.net/u014546828/article/details/106853850
2.https://blog.csdn.net/zrg_hzr_1/article/details/110144335?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242
3.https://blog.csdn.net/qq_36560894/article/details/108024748
相关链接:
论文地址:paper
代码地址:code
论文中的人脸检测TensorFlow版本代码:DSFD人脸检测算法的tensorflow实现
论文中人脸检测所用数据集:DARK FACE
人脸检测DSFD的论文:DSFDpaper
以上是关于低光照增强论文阅读:Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement的主要内容,如果未能解决你的问题,请参考以下文章
CVPR 2022 Oral | 大连理工提出SCI:快速超强的低光照图像增强方法
低光照论文LIME:Low-light Image Enhancement via Illumination Map Estimation的代码
低光照论文LIME:Low-light Image Enhancement via Illumination Map Estimation的代码