用于单幅图像去雨的循环挤压激励上下文聚合网络
计算机视觉与模式识别
2018-07-31 v2
摘要
雨纹会严重降低图像可见度，导致许多现有的计算机视觉算法无法正常工作。因此有必要从图像中去除雨水。我们提出了一种基于深度卷积和循环神经网络的新型深度网络架构，用于单幅图像去雨。由于上下文信息对去雨非常重要，我们首先采用膨胀卷积神经网络以获得较大的感受野。为了更好地适配去雨任务，我们还对网络进行了修改。在大雨中，雨纹具有多种方向和形状，可视为多个雨纹层的叠加。我们通过引入挤压激励模块，根据强度和透明度为不同的雨纹层分配不同的 alpha 值。由于雨纹层相互重叠，难以在单一阶段去除雨水。因此我们进一步将去雨分解为多个阶段。引入循环神经网络以保留前一阶段的有用信息，并有利于后续阶段的去雨。我们在合成与真实世界数据集上进行了大量实验。我们所提方法在所有评估指标下均优于当前最优（state-of-the-art）方法。代码与补充材料见项目主页：https://xialipku.github.io/RESCAN。
引用
@article{arxiv.1807.05698,
title = {Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image Deraining},
author = {Xia Li and Jianlong Wu and Zhouchen Lin and Hong Liu and Hongbin Zha},
journal= {arXiv preprint arXiv:1807.05698},
year = {2018}
}
备注
Accepted by ECCV