URIE：面向真实场景视觉识别的通用图像增强方法
计算机视觉与模式识别
2020-07-27 v3
摘要
尽管视觉识别取得了巨大进展，但已观察到在常见数据集干净图像上训练的识别模型对真实世界中失真图像并不鲁棒。为解决此问题，我们提出一个通用且识别友好的图像增强网络，称为URIE，它附加在现有识别模型之前，增强失真输入以提升其性能而无需重新训练。URIE的通用性在于其旨在处理各种图像退化因素，并可结合任意识别模型。同时，它是识别友好的，因为其优化目标是提升后续识别模型的鲁棒性，而非输出图像的感知质量。我们的实验表明，URIE能处理各种潜在图像失真，并在输入图像退化时提升现有模型在五项不同识别任务上的性能。
引用
@article{arxiv.2007.08979,
title = {URIE: Universal Image Enhancement for Visual Recognition in the Wild},
author = {Taeyoung Son and Juwon Kang and Namyup Kim and Sunghyun Cho and Suha Kwak},
journal= {arXiv preprint arXiv:2007.08979},
year = {2020}
}
备注
Accepted as a conference paper at ECCV 2020