基于循环生成对抗网络和Transformer的单幅图像去雾算法OA
Single Image Dehazing Algorithm Based on Cycle Generative Adversarial Networks and Transformer
针对传统去雾算法在配对数据集上训练时产生过拟合的问题,基于密度和深度分解的非配对图像去雾网络模型,改进了自增强缩放网络.引入Transformer机制,将其与深度卷积神经网络模块深度融合,提出了一种使用未配对数据集训练的基于循环生成对抗网络和Transformer的CT-Nets图像去雾算法;提取输入图像的深度信息和散射系数特征值,利用大气散射模型尽可能恢复不同场景下真实雾的浓度信息,以提高去雾图像主观视觉质量;基于Swin-Transforme…查看全部>>
Aiming at the problem of overfitting in traditional dehazing algorithms trained on paired data-sets,a non-paired image dehazing network model based on density and depth decomposition was improved with a self-enhancing scaling network.Introducing the Transformer mechanism and deeply integrating it with deep convolutional neural networks for network module deep fusion,a CT-Nets image dehazing algo-rithm based on cycle generative adversarial networks and Transf…查看全部>>
王博;魏伟波;张为栋;潘振宽;李明;李金函
青岛大学计算机科学技术学院,青岛 266071青岛大学计算机科学技术学院,青岛 266071青岛大学计算机科学技术学院,青岛 266071青岛大学计算机科学技术学院,青岛 266071中国海洋大学计算机科学与技术学院,青岛 266100青岛大学计算机科学技术学院,青岛 266071
计算机与自动化
深度学习单幅图像去雾自监督网络循环生成对抗网络
deep learningsingle image dehazingself-supervised networkcycle generative adversarial
《青岛大学学报（自然科学版）》 2024 (2)
89-97,125,10
山东省自然科学基金(批准号:ZR2020 QF033)资助.
评论