論文の概要: A Novel Encoder-Decoder Network with Guided Transmission Map for Single Image Dehazing

• arxiv url: http://arxiv.org/abs/2202.04757v1
• Date: Tue, 8 Feb 2022 03:57:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 15:58:26.860480
• Title: A Novel Encoder-Decoder Network with Guided Transmission Map for Single Image Dehazing
• Title（参考訳）: 単一画像デハジングのための誘導伝送マップを用いた新しいエンコーダデコーダネットワーク
• Authors: Le-Anh Tran, Seokyong Moon, Dong-Chul Park
• Abstract要約: 提案するEDN-GTMは,ネットワークの入力に先立って暗黒チャネルを用いて推定した従来のRGBハジー画像を送信マップと併用する。 提案したEDN-GTMは,PSNRとSSIMの指標を用いて,従来型および深層学習に基づく画像デハージング方式よりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel Encoder-Decoder Network with Guided Transmission Map (EDN-GTM) for single image dehazing scheme is proposed in this paper. The proposed EDN-GTM takes conventional RGB hazy image in conjunction with its transmission map estimated by adopting dark channel prior as the inputs of the network. The proposed EDN-GTM utilizes U-Net for image segmentation as the core network and utilizes various modifications including spatial pyramid pooling module and Swish activation to achieve state-of-the-art dehazing performance. Experiments on benchmark datasets show that the proposed EDN-GTM outperforms most of traditional and deep learning-based image dehazing schemes in terms of PSNR and SSIM metrics. The proposed EDN-GTM furthermore proves its applicability to object detection problems. Specifically, when applied to an image preprocessing tool for driving object detection, the proposed EDN-GTM can efficiently remove haze and significantly improve detection accuracy by 4.73% in terms of mAP measure. The code is available at: https://github.com/tranleanh/edn-gtm.
• Abstract（参考訳）: 本稿では,単一画像復調方式のためのEDN-GTMを用いた新しいエンコーダデコーダネットワークを提案する。 提案するEDN-GTMは,ネットワークの入力に先立って暗黒チャネルを用いて推定した,従来のRGBハジー画像と併用する。 提案するedn-gtmは,画像分割をコアネットワークとしてu-netを使用し,空間ピラミッドプーリングモジュールやswishアクティベーションなどの様々な修正を施し,最先端のデハジング性能を実現する。 ベンチマークデータセットの実験により、提案されたEDN-GTMは、PSNRとSSIMの指標から、従来のディープラーニングベースの画像デハージングスキームよりも優れていた。 提案したEDN-GTMは、さらにオブジェクト検出問題に適用可能であることを証明している。 具体的には,被写体検出のための画像前処理ツールに適用した場合,提案するedn-gtmはhazeを効率的に除去し,地図測定で検出精度を4.73%向上させることができる。 コードはhttps://github.com/tranleanh/edn-gtm。

関連論文リスト

• SG-JND: Semantic-Guided Just Noticeable Distortion Predictor For Image Compression [50.2496399381438]
  JND(Just noticeable distortion)は、人間の視覚系に最小限の知覚力を持つ画像における歪みのしきい値を表す。 従来のJND予測手法はピクセルレベルまたはサブバンドレベルの機能のみに依存している。 本稿では,意味情報を利用してJND予測を行うセマンティックガイド型JNDネットワークを提案する。
  論文  参考訳（メタデータ） (2024-08-08T07:14:57Z)
• VA-DepthNet: A Variational Approach to Single Image Depth Prediction [163.14849753700682]
  VA-DepthNetは、単一画像深度予測問題に対する単純で効果的で正確なディープニューラルネットワークアプローチである。 本論文は,複数のベンチマークデータセットに対する広範囲な評価とアブレーション解析により提案手法の有用性を実証する。
  論文  参考訳（メタデータ） (2023-02-13T17:55:58Z)
• LOANet: A Lightweight Network Using Object Attention for Extracting Buildings and Roads from UAV Aerial Remote Sensing Images [1.875899282042793]
  UAV空中リモートセンシング画像からの建物・道路用オブジェクト注意(LOANet)を用いた軽量ネットワークを提案する。 提案するネットワークは,Densely Connected Network (LDCNet) をエンコーダとして開発するエンコーダデコーダアーキテクチャを採用している。 提案した基本モデルは、1.4Mパラメータと5.48G浮動小数点演算しか持たないデータセットでよく機能する。
  論文  参考訳（メタデータ） (2022-12-16T14:02:12Z)
• Encoder-Decoder Network with Guided Transmission Map: Architecture [0.0]
  EDN-GTMは、ネットワークの入力として、ダークチャネル事前(DCP)アプローチによって推定される対応する送信マップと合わせて、従来のRGBハジー画像を取る。 結果として得られたEDN-GDMは、PSNRとSSIMメトリクスの観点から、ベンチマークのデハージングデータセット上で最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-12-07T08:16:26Z)
• Pyramid Grafting Network for One-Stage High Resolution Saliency Detection [29.013012579688347]
  我々は、異なる解像度画像から特徴を独立して抽出する、Praamid Grafting Network (PGNet) と呼ばれるワンステージフレームワークを提案する。 CNNブランチが壊れた詳細情報をよりホモロジーに組み合わせられるように、アテンションベースのクロスモデルグラフティングモジュール (CMGM) が提案されている。 我々は,4K-8K解像度で5,920個の画像を含む超高分解能塩度検出データセットUHRSDを新たに提供した。
  論文  参考訳（メタデータ） (2022-04-11T12:22:21Z)
• SiamPolar: Semi-supervised Realtime Video Object Segmentation with Polar Representation [6.108508667949229]
  そこで我々は,新しい極性表現を用いたシームズネットワークに基づく半教師付きリアルタイム手法を提案する。 極性表現は、微妙な精度の損失でマスクを符号化するためのパラメータを減らすことができる。 また、異なる空間スケールから特徴を抽出するために、非対称シャイムネットワークも開発されている。
  論文  参考訳（メタデータ） (2021-10-27T21:10:18Z)
• Segmentation of Roads in Satellite Images using specially modified U-Net CNNs [0.0]
  本研究の目的は,道路画像の特定を行う都市景観の衛星画像の分類器を構築することである。 従来のコンピュータビジョンアルゴリズムとは異なり、畳み込みニューラルネットワーク(CNN)はこのタスクに対して正確で信頼性の高い結果を提供する。
  論文  参考訳（メタデータ） (2021-09-29T19:08:32Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Sparse Auxiliary Networks for Unified Monocular Depth Prediction and Completion [56.85837052421469]
  コスト効率のよいセンサで得られたデータからシーン形状を推定することは、ロボットや自動運転車にとって鍵となる。 本稿では,1枚のRGB画像から,低コストな能動深度センサによるスパース計測により,深度を推定する問題について検討する。 sparse networks (sans) は,深さ予測と完了という2つのタスクをmonodepthネットワークで実行可能にする,新しいモジュールである。
  論文  参考訳（メタデータ） (2021-03-30T21:22:26Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)
• A Single Stream Network for Robust and Real-time RGB-D Salient Object Detection [89.88222217065858]
  我々は、深度マップを用いて、RGBと深度の間の早期融合と中核融合を誘導する単一ストリームネットワークを設計する。 このモデルは、現在の最も軽量なモデルよりも55.5%軽く、32 FPSのリアルタイム速度で384倍の384ドルの画像を処理している。
  論文  参考訳（メタデータ） (2020-07-14T04:40:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。