本文介绍了DC-ShadowNet，一种利用无监督学习去除图像中硬软阴影的新方法。该方法避免了依赖阴影与非阴影匹配对的监督学习，通过色度空间损失、感知损失、边界平滑损失和对抗损失函数来实现。实验结果显示，即使在无监督情况下，DC-ShadowNet也能取得良好的阴影去除效果，与监督学习方法相比表现出竞争力。
一. 资源介绍
论文地址：DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using
Unsupervised Domain-Classifier Guided Network
代码地址：https://github.com/jinyeying/DC-ShadowNet-Hard-and-Soft-Shadow-Removal
二. 动机
各种流行的方法通过监督学习方式去除阴影，但是这些方法需要阴影和非阴影的匹配对，并且匹配对的获取成本较高。本文通过无监督学习的方法实现阴影去除，并获得不错的效果。
三. 算法框架
损失函数使用了色度空间损失函数、感知损失函数、边界平滑损失函数、对抗损失函数。
1. 色度损失函数
监督信息是使用传统算法获得的图片，并且映射到色度空间。
2. 感知损失函数
监督vgg网络输出的特征图
3. 边界平滑
这个在之前的博客中已经讲解过了，请参考我的博客
4. 域分类注意力机制
四. 实验与效果
消融实验
与其他算法比较
作者用这种无监督学习方法在测试集上训练并测试
感谢作者的工作，如需技术交流，请联系博主：
扫一扫
22
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
