论文阅读:DRD-Net: Detail-recovery Image Deraining via Context Aggregation Networks

应该不断沉淀自己,提升自己。

2020 CVPR : DRD-Net

这篇文章是2020年CVPR的一篇文章,主要是提出了一种基于两个结构相似的子网络分别用于去雨和恢复细节的DRD-Net。
代码:Coming soon!
在这里插入图片描述
(目前看到的论文版本不像是CVPR格式的,害)

对于现有的图像去雨方法,传统方法在去除暴雨时效果不佳,基于学习的方法则会导致图像细节丢失、伪影及颜色失真等图像退化。
本文则是提出了DRD-Net,一种基于上下文聚合网络的细节恢复的图像去雨方法。
主要是引入了两个具有综合损失函数的子网络,用于去雨和修复因消除而丢失的细节信息。
首先是提出了一种残差网络,结合了SE操作和残差block,充分利用空间上下文信息。
其次是设计了一种新的连接模块即结构细节上下文聚合块(SDCAB),聚合上下文信息,获取大的感受野。
然后是提出了一种细节修复网络,找回丢失的细节,激励丢失的细节返回来消除图像退化。

在我看来:
1、双子网络的结构形似2018年CVPR-DualCNN。
2、具体网络有RESCAN和JORDER的影子,各取所长。
3、提出了一种细节修复网络,修复细节加进高频的细节分量。

评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值