Shallow-UWnet：用于水下图像增强的压缩模型

Ankita Naik; Apurva Swarnakar; Kartik Mittal

Shallow-UWnet：用于水下图像增强的压缩模型

计算机视觉与模式识别 2021-01-07 v1 图像与视频处理

作者: Ankita Naik , Apurva Swarnakar , Kartik Mittal

摘要

过去几十年中，由于水下图像增强在水下机器人和海洋工程中的重要意义，吸引了越来越多的研究投入。研究已从基于物理的方法演进到使用非常深的CNN和GAN。然而，这些最先进的算法计算开销大且内存密集，阻碍了它们在便携式设备上进行水下探索任务的部署。这些模型或在合成数据集上训练，或在有限的真实世界数据集上训练，使其在真实场景中的实用性较低。在本文中，我们提出了一种浅层神经网络架构，\textbf{Shallow-UWnet}，其在保持性能的同时比最先进的模型参数更少。我们还通过在合成与真实世界数据集组合上基准测试其性能，展示了我们模型的泛化能力。

关键词

水下图像增强浅层神经网络 CNN GAN 模型压缩泛化

引用

@article{arxiv.2101.02073,
  title  = {Shallow-UWnet : Compressed Model for Underwater Image Enhancement},
  author = {Ankita Naik and Apurva Swarnakar and Kartik Mittal},
  journal= {arXiv preprint arXiv:2101.02073},
  year   = {2021}
}

备注

All the authors contributed equally and are listed by alphabetical order

Shallow-UWnet：用于水下图像增强的压缩模型

摘要

关键词

引用

备注

相关论文