去雾是否有助于基于 CNN 的图像分类？
计算机视觉与模式识别
2018-10-16 v1
摘要
雾天图像在真实场景中十分常见，且已开发许多去雾方法以自动去除图像中的雾。通常，图像去雾的目标是从图像生成更清晰的图像，使人眼能更好地辨识图像中存在的物体与结构细节。当雾天图像有对应的无雾真值图像时，图像去雾的定量评估通常基于峰值信噪比（PSNR）与结构相似性（SSIM）等客观指标。然而，在许多应用中，大规模图像并非用于人眼视觉检查，而是用于自动分类、识别与归类等高层视觉任务。此处一个基本问题是，各类去雾方法能否生成更清晰图像以帮助提升高层任务的性能。本文中，我们利用合成与真实雾天图像数据集，在图像分类这一重要任务上对该问题做实证探究。实验结果表明，现有图像去雾方法无法大幅改善图像分类性能，有时甚至降低图像分类性能。
引用
@article{arxiv.1810.05716,
title = {Does Haze Removal Help CNN-based Image Classification?},
author = {Yanting Pei and Yaping Huang and Qi Zou and Yuhang Lu and Song Wang},
journal= {arXiv preprint arXiv:1810.05716},
year = {2018}
}