T-Net：用于图像去雾的深度堆叠尺度迭代网络
计算机视觉与模式识别
2021-06-08 v1
摘要
有雾图像降低了图像内容的可视性，并且雾会导致后续计算机视觉任务处理的失败。在本文中，我们通过提出一个名为 T-Net 的去雾网络来解决图像去雾问题，该网络由基于 U-Net 架构的主干网络和一个双重注意力模块组成。并且它可以通过使用带有新融合策略的跳跃连接来实现多尺度特征融合。此外，通过反复展开普通 T-Net，提出了 Stack T-Net，以通过递归策略利用跨阶段深层特征的依赖性。为了减少网络参数，我们的 Stack T-Net 中采用了 ResNet 的阶内递归计算。并且我们将各阶段结果和原始有雾图像都作为每个 T-Net 的输入，最终输出干净图像的预测。在合成和真实世界图像上的实验结果表明，我们的普通 T-Net 和先进的 Stack T-Net 相比最先进的去雾算法表现更优，并且表明我们的 Stack T-Net 能够进一步改善去雾效果，证明了递归策略的有效性。
引用
@article{arxiv.2106.02809,
title = {T-Net: Deep Stacked Scale-Iteration Network for Image Dehazing},
author = {Lirong Zheng and Yanshan Li and Kaihao Zhang and Wenhan Luo},
journal= {arXiv preprint arXiv:2106.02809},
year = {2021}
}