深度烟雾分割

受全卷积网络（FCN）在语义分割中近期成功的启发，我们提出一种深度烟雾分割网络，从模糊的烟雾图像中推断高质量分割掩码。为克服烟雾外观在纹理、颜色与形状上的巨大变化，我们将所提网络分为粗路径与细路径。第一条路径为带跳跃结构的编码器-解码器FCN，提取烟雾的全局上下文信息并相应生成粗分割掩码。为保留烟雾的精细空间细节，第二条路径同样设计为带跳跃结构的编码器-解码器FCN，但比第一条路径网络更浅。最后，我们提出一个仅含加法、卷积与激活层的极小网络来融合两路径结果。因此，我们可轻松端到端训练所提网络以同时优化网络参数。为避免手动标注模糊烟雾目标的困难，我们提出一种生成合成烟雾图像的方法。根据我们的深度分割方法结果，我们可轻松且精确地从视频中进行烟雾检测。在三个合成烟雾数据集与一个真实烟雾数据集上的实验表明，我们的方法比基于FCN的state-of-the-art分割算法性能更优。我们的方法在视频上的测试结果同样引人注目。