用于雾霾天气环境监测的特征监督生成对抗网络
计算机视觉与模式识别
2020-08-18 v1 机器学习
图像与视频处理
摘要
不利的雾霾天气条件给基于视觉的环境应用带来了相当大的困难。然而，迄今为止，大多数现有的环境监测研究都是在常规条件下进行的，复杂雾霾天气条件的研究被忽视了。因此，本文提出了一种基于生成对抗网络（GAN）的特征监督学习网络，用于雾霾天气下的环境监测。其主要思想是在来自真值的特征图监督下训练模型。本文做出了四项关键技术贡献。首先，将雾霾图像与干净图像配对作为输入，以监督编码过程并获得高质量特征图。其次，通过引入感知损失、风格损失和特征正则化损失来改进基本 GAN 公式，以生成更好的结果。第三，采用多尺度图像作为输入，以增强判别器性能。最后，创建了一个雾霾遥感数据集，用于测试我们的去雾方法和环境检测。大量实验结果表明，所提方法在合成数据集和真实世界遥感图像上都取得了优于当前最先进方法的性能。
引用
@article{arxiv.2008.01942,
title = {A feature-supervised generative adversarial network for environmental monitoring during hazy days},
author = {Ke Wang and Siyuan Zhang and Junlan Chen and Fan Ren and Lei Xiao},
journal= {arXiv preprint arXiv:2008.01942},
year = {2020}
}