去雾及更广泛应用的学习改进技术：一项综合研究
计算机视觉与模式识别
2018-07-31 v2 机器学习
摘要
本文基于近期发布的真实单图像去雾（RESIDE）基准数据集，探讨两个相关但重要的任务：（i）作为底层图像复原问题的单图像去雾；以及（ii）雾图的高层视觉理解（如目标检测）。对第一项任务，我们调研了多种损失函数，表明感知驱动损失显著改善去雾性能。在第二项任务中，我们提供多种方案，包括去雾-检测级联中使用先进模块以及域自适应目标检测器。两项任务中，我们所提方案均显著提升性能。GitHub 仓库地址为：https://github.com/guanlongzhao/dehaze
引用
@article{arxiv.1807.00202,
title = {Improved Techniques for Learning to Dehaze and Beyond: A Collective Study},
author = {Yu Liu and Guanlong Zhao and Boyuan Gong and Yang Li and Ritu Raj and Niraj Goel and Satya Kesav and Sandeep Gottimukkala and Zhangyang Wang and Wenqi Ren and Dacheng Tao},
journal= {arXiv preprint arXiv:1807.00202},
year = {2018}
}
备注
updated: typo fixed and some other improvements on writing