夙曦呀-优快云博客

原创不良光线下的语义分割论文调研

不良光线下的语义分割论文调研文章目录不良光线下的语义分割论文调研Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection解决问题思路See Clearer at Night: Towards Robust Nighttime Semantic Segmentation through Day-Night Image Conversion解决问题思路DANNet: A One-Stage Domain Adaptat

2022-05-04 14:57:04 3724

原创第八届蓝桥杯全国总决赛真题解析

36进制本题为填空题，只需要算出结果后，在代码中使用输出语句将所填结果输出即可。对于 16 进制，我们使用字母 A−F 来表示 10 及以上的数字。如法炮制，一直用到字母 Z，就可以表示 36 进制。36 进制中，A 表示 10，Z表示 35，AA 表示370。你能算出 MANY 表示的数字用 10 进制表示是多少吗?答案：1040254解析：标准的无语题代码：package 蓝桥杯全国总决赛真题;import java.util.Scanner;public class 三十六进

2022-03-28 21:41:28 953

原创《RefineDNet: A Weakly Supervised Refinement Framework for Single Image Dehazing》论文阅读

《RefineDNet: A Weakly Supervised Refinement Framework for Single Image Dehazing》论文阅读文章目录《RefineDNet: A Weakly Supervised Refinement Framework for Single Image Dehazing》论文阅读论文简介摘要介绍本文主要贡献提出的网络框架整体二阶框架弱监督学习去雾效果融合网络结构论文简介意思：RefineDNet 一个弱监督的单一图像去雾改进框架Refi

2022-03-28 21:39:25 1216

原创 Progressive Feature Fusion Networkfor Realistic Image Dehazing笔记及代码

Progressive Feature Fusion Networkfor Realistic Image Dehazing笔记及代码来源Asian Conference on Computer Vision2018CCF c类会议摘要提出一个端到端的网络结构提出了一种基于渐进特征融合的U-Net类编码器-解码器网络，直接学习从观测到的模糊图像到无模糊图像的高度非线性变换函数（不依赖大气散射模型）。提出的方法本文提出了基于U-Net的渐进式网络，它由编码器、特征转换器、解码器三个模块组成

2022-03-28 21:38:52 693

原创 Multi-Scale Boosted Dehazing Network with Dense Feature Fusion笔记和代码

Multi-Scale Boosted Dehazing Network with Dense Feature Fusion笔记和代码本篇论文的主要创新点是SOS增强策略和密集特征融合，创新点均是从其他领域进行挖掘。摘要提出了一种基于U-Net结构的具有密集特征融合的多尺度增强去雾网络。该方法基于增强反馈和误差反馈两种原理进行了设计，并证明了该方法适用于脱雾问题。通过在该模型的解码器中加入增强-操作-减弱（SOS)的增强策略，开发了一个简单而有效的增强解码器来逐步恢复无雾图像。为

2022-03-28 21:38:18 878

原创 Enhanced Pix2pix Dehazing Network阅读及代码笔记

Enhanced Pix2pix Dehazing Network阅读及代码笔记来源CVPR2019摘要提出一个经过改进的pix2pix去雾网络（EPDN）。EPDN由一个生成对抗网络组成，后面跟着一个增强器。受视觉感知全局优先理论的启发，鉴别器引导生成器在粗尺度上创建伪真实图像，而跟随生成器的增强器需要在精细尺度上生成真实的去模糊图像。增强器包含两个基于感受野模型的增强块，这增强了在颜色和细节上的脱雾效应。从知觉的角度，引入了**知觉指数(PI)**来进行定量评价。提出的方法本文将

2022-03-28 21:37:46 2143 2

原创 DehazeNet: An End-to-End System for Single Image Haze Removal笔记

DehazeNet: An End-to-End System for Single Image Haze Removal笔记摘要现有方法使用各种先验法得到脱雾图像，而图像去雾的关键是估计输入图像的介质传输图（medium transmission map）。本文运用深度学习，建立了一个端对端的去雾系统DehazeNet进行介质传输图的估计，然后通过大气散射模型得到去雾的图像。DehazeNet以单个有雾图像为输入、介质传输图为输出。其网络层设计来体现在图像去模糊中已建立的假设/先验，其实就是使用max

2022-03-28 21:37:03 2543

原创《Deep Retinex Network for Single Image Dehazing》论文阅读

《Deep Retinex Network for Single Image Dehazing》论文阅读文章目录《Deep Retinex Network for Single Image Dehazing》论文阅读摘要前言基于先验的方法早期的先验方法基于retinex的方法引出摘要本文提出了一个基于Retinex算法的分解模型和一个端对端的神经网络，用于图像去模糊。使用该模型，将模糊图像分解成无雾霾的图像和有雾霾的残余图像。基于原先的模型，本文设计了一个网络RDN（retinex dense ne

2022-03-28 21:36:01 1359

正在thu实习搬砖的CVer，欢迎交流保研和计算机视觉。