SharpGAN：用于动态场景去模糊的感知野块网络
计算机视觉与模式识别
2021-01-01 v1 机器学习
图像与视频处理
摘要
智能船舶在海上航行时，不可避免地因风、浪、流的作用产生摇摆运动，致使视觉传感器采集的图像出现运动模糊。这将对基于视觉传感器的目标检测算法产生不利影响，从而影响智能船舶的航行安全。为去除智能船舶航行过程中图像的运动模糊，我们提出 SharpGAN，一种基于生成对抗网络的新图像去模糊方法。首先，将感知野块网络 (RFBNet) 引入去模糊网络以加强网络提取模糊图像特征的能力。其次，我们提出结合不同层级图像特征的特征损失，以引导网络进行更高质量的去模糊，并提升复原图像与清晰图像间的特征相似性。最后，我们提出使用轻量级 RFB-s 模块以提升去模糊网络的实时性。在大规模真实海面图像数据集与大规模去模糊数据集上对比现有去模糊方法，所提方法不仅在视觉感知与量化准则上具有更好的去模糊性能，且具备更高的去模糊效率。
引用
@article{arxiv.2012.15432,
title = {SharpGAN: Receptive Field Block Net for Dynamic Scene Deblurring},
author = {Hui Feng and Jundong Guo and Sam Shuzhi Ge},
journal= {arXiv preprint arXiv:2012.15432},
year = {2021}
}
备注
15 pages, 6 figures