用于非均匀图像去雾的快速深度多块分层网络
计算机视觉与模式识别
2021-04-20 v1
摘要
近来，基于 CNN 的端到端深度学习方法在图像去雾中取得优越性能，但在非均匀去雾中往往严重失效。此外，现有流行的多尺度方法运行耗时且内存效率低。在此背景下，我们提出一种快速深度多块分层网络，通过聚合来自雾图中不同空间区域的多个图像块的特征，以较少的网络参数恢复非均匀雾化图像。我们所提方法对不同环境及场景中不同密度的雾或霾均相当鲁棒，且非常轻量，模型总大小约为 21.7 MB。与当前多尺度方法相比，它还提供更快的运行时，处理 1200x1600 HD 质量图像的平均运行时间为 0.0145s。最后，我们在浓雾去除上展示了该网络相对于其他 SOTA 模型的优越性。
引用
@article{arxiv.2005.05999,
title = {Fast Deep Multi-patch Hierarchical Network for Nonhomogeneous Image Dehazing},
author = {Sourya Dipta Das and Saikat Dutta},
journal= {arXiv preprint arXiv:2005.05999},
year = {2021}
}
备注
CVPR Workshops Proceedings 2020