Current Location:home > Detailed Browse

Article Detail

自监督图像增强网络:仅需低照度图像进行训练

Submit Time: 2020-03-06
Author: 张雨 1 ; 遆晓光 1 ; 张斌 1 ; 王春晖 1 ;
Institute: 1.哈尔滨工业大学;

Abstracts

本文提出了一种基于深度学习的自监督低照度图像增强方法。受信息熵理论和Retinex模型的启发,我们提出了一种基于信息熵最大的Retinex模型。利用该模型,一个非常简单的网络可以将照度图和反射图分离开来,且仅用低照度图像就可以进行训练。为了实现自监督学习,我们在模型中引入了一个约束条件:反射图的最大值通道与低照度图像的最大值通道一致,且其熵最大。我们的模型非常简单,不依赖任何精心设计的数据集(即使是一张低照度图像也能完成网络的训练),网络仅需进行分钟级的训练即可实现图像增强。实验证明,该方法在处理速度和效果上均达到了当前最新水平。
Download Comment Hits:16878 Downloads:774
From: 张雨
DOI:10.12074/202003.00048
Recommended references: 张雨,遆晓光,张斌,王春晖.(2020).自监督图像增强网络:仅需低照度图像进行训练.[ChinaXiv:202003.00048] (Click&Copy)
Version History
[V1] 2020-03-06 18:04:29 chinaXiv:202003.00048V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO