基于CycleGAN的無監(jiān)督圖像去霧網(wǎng)絡(luò)

摘要： 基于深度學(xué)習(xí)的去霧網(wǎng)絡(luò)性能依賴大型豐富的成對數(shù)據(jù)集，然而真實環(huán)境中霧圖與清晰圖像的配對數(shù)據(jù)采集極為困難，現(xiàn)有研究多采用合成數(shù)據(jù)集訓(xùn)練，這導(dǎo)致網(wǎng)絡(luò)在復(fù)雜真實場景中的泛化能力不足。為此，本文提出一種基于CycleGAN的無監(jiān)督圖像去霧網(wǎng)絡(luò)，解決CycleGAN在去霧過程中易出現(xiàn)的顏色失真、偽影及去霧不徹底等問題。首先，設(shè)計殘差密集連接模塊構(gòu)建編解碼器架構(gòu)，同時融入空間與通道殘差注意... （共11頁）