论文阅读计划2(Deep Joint Rain Detection and Removal from a Single Image)
Posted mengnan
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文阅读计划2(Deep Joint Rain Detection and Removal from a Single Image)相关的知识,希望对你有一定的参考价值。
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+ ilde{S} ]
变为:
[ O=B+SR ]
其中,(B)是背景层,( ilde{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.
以上是关于论文阅读计划2(Deep Joint Rain Detection and Removal from a Single Image)的主要内容,如果未能解决你的问题,请参考以下文章
论文笔记之:Collaborative Deep Reinforcement Learning for Joint Object Search
论文笔记-Joint Deep Modeling of Users and Items Using Reviews for Recommendation
每日一读Joint Unsupervised Learning of Deep Representations and Image Clusters
每日一读Joint Unsupervised Learning of Deep Representations and Image Clusters
论文阅读——D2-Net: A Trainable CNN for Joint Description and Detection of Local Features
论文阅读 Forecasting Human-Object Interaction: Joint Prediction of Motor Attention and Actions in First