MCGKT-Net：用于单图像去雨的多层级上下文门控知识迁移网络
计算机视觉与模式识别
2020-10-20 v1
摘要
单图像中雨纹去除本质上由于其不适定性而是一项极具挑战的任务。近年来，基于深度卷积神经网络（DCNN）的端到端学习技术在该任务上取得了很大进展。然而，传统的基于DCNN的去雨方法难以利用更深更复杂的网络架构以追求更好性能。本研究提出一种新颖的MCGKT-Net以提升去雨性能，它是一个天然的多尺度学习框架，能够探索雨纹的多尺度属性与清晰图像的不同语义结构。为在MCGKT-Net内部获取高代表性特征，我们探索使用ConvLSTM单元的内部知识迁移模块以进行不同层间的交互学习，并研究外部知识迁移模块以利用其他任务域中已学到的知识。此外，为在学习的动态过程中选择有用特征，我们在MCGKT-Net中提出使用压缩激励块的多尺度上下文门控模块。在三个基准数据集Rain100H、Rain100L和Rain800上的实验显示出优于最先进方法的出色性能。
引用
@article{arxiv.2010.09241,
title = {MCGKT-Net: Multi-level Context Gating Knowledge Transfer Network for Single Image Deraining},
author = {Kohei Yamamichi and Xian-Hua Han},
journal= {arXiv preprint arXiv:2010.09241},
year = {2020}
}
备注
ACCV 2020