迈向更安全的交通：一种用于交通视频去雨的自监督学习方法
计算机视觉与模式识别
2021-10-15 v1 图像与视频处理
摘要
交通视频监控有助于交通管理与控制、交通量统计和交通执法。然而，在恶劣天气（如雨天）下进行交通监控是一项具有挑战性的任务，因为视频图像上降雨条纹破坏了视频质量，这不仅妨碍了对道路环境的可靠表征，也妨碍了在这种恶劣天气事件中对道路使用者行为的表征。本研究提出了一种两阶段自监督学习方法来去除交通视频中的雨条纹。第一阶段和第二阶段分别处理帧内和帧间噪声。结果表明，该模型在图像视觉质量和峰值信噪比方面表现出令人满意的性能。
引用
@article{arxiv.2110.07379,
title = {Towards Safer Transportation: a self-supervised learning approach for traffic video deraining},
author = {Shuya Zong and Sikai Chen and Samuel Labi},
journal= {arXiv preprint arXiv:2110.07379},
year = {2021}
}
备注
Under review for presentation at TRB 2022 Annual Meeting