ADCC：一种用于智慧城市图像研究的有效智能注意力密集色彩恒常系统
计算机视觉与模式识别
2020-10-13 v2
摘要
作为一种消除物体色差的新方法，计算色彩恒常已成为众多计算机视觉应用的基本前提。在执行该任务的算法中，基于学习的方法近年来取得巨大成功。然而，它们未能充分考虑图像的空间信息，为光照估计精度的提升留下大量空间。本文中，通过利用图像的空间信息，我们提出一种称为注意力密集色彩恒常（ADCC）的使用卷积神经网络（CNN）的色彩恒常算法。具体而言，基于输入图像及其特殊增广图像的二维对数色度直方图，ADCC利用自注意力DenseNet估计光照。增广图像有助于区分对数直方图中的边缘梯度、边缘像素与非边缘像素，它们对特征提取与颜色歧义消除贡献显著，从而提升光照估计精度。在基准数据集上的仿真与实验表明，与最先进方法相比，所提算法在光照估计上有效。因此，ADCC在促进智慧城市应用（如智能摄像头，其中颜色是区分物体的重要因素）方面具有巨大潜力。
关键词
引用
@article{arxiv.1911.07163,
title = {ADCC: An Effective and Intelligent Attention Dense Color Constancy System for Studying Images in Smart Cities},
author = {Yilang Zhang and Neal N. Xiong and Zheng Wei and Xin Yuan and Jian Wang},
journal= {arXiv preprint arXiv:1911.07163},
year = {2020}
}
备注
8 figures and 2 tables