从零开始搭建图像去雾神经网络（论文复现）
从零开始搭建图像去雾神经网络（论文复现）
本文所涉及所有资源均在传知代码平台可获取
文章目录
-
- 从零开始搭建图像去雾神经网络（论文复现）
-
- 创新点
- 网络结构
- 迁移学习子网
- 数据拟合子网
- 本次复现的实验设置
- 训练本次复现代码所用数据集
- 测试本次复现代码所用的评价指标
- 结果展示
-
- 在O-Haze数据集上的结果
- 在I-Haze数据集上的结果
- 在NH-Haze数据集上的结果
本文复现了一种简单而有效的基于集成学习的双分支非均匀去雾神经网络。该方法使用一个双分支神经网络分别处理上述问题，然后通过一个可学习的融合尾映射它们的不同特征
创新点
- 证明了在非均匀去雾挑战中使用ImageNet预训练的有效性。
- 构建数据拟合子网作为迁移学习子网的补充，可以提取当前数据分布的更鲜明的特征。
- 采用集成学习的思想设计一个可学习的融合尾。
网络结构
基于集成学习的双分支非均质去雾网络由两个子网络组成，即迁移学习子网和数据拟合子网。每个子网有着特定的目的：迁移学习子网利用预先训练的权重从输入图像中提取鲁棒全局表示；数据拟合子网对当前数据进行处理。融合层采用这两个子网络的级联特征图，并输出无雾图像