要点 提出了多尺度Retinex结合CNN的模型。 网络结构中包含残差结构，利用了每一卷积层的信息。 利用反向传播来设定参数W b，而不是人工设定。 在摘要中提出，且在正文中提及，但并未说明细节 Retinex理论 原理： https: blog.csdn.net weixin article details 本文采用了多尺度Retinex理论，对单尺度Retinex进行变形 实验证明变形前后效 ...
2020-07-01 18:08 0 693 推荐指数：
LIME: Low-light Image Enhancement via Illumination Map Estimation 目录 LIME: Low-light Image Enhancement via Illumination Map Estimation ...
这篇文章来自 BMVC 2018。低光图像增强一直是一个火热的领域，在过去的几十年中，有很多传统的方法用于增强低光图像，但这些方法都在一定程度上限制了增强效果。随着深度学习的兴起，卷积神经 ...
文章概述 这篇文章来自 ACM MM 2019。本文建立了一个简单而有效的点燃黑暗（表示为 KinD）的网络，它受 Retinex 理论的启发，将原始图像分解为反射率和光照两个部分，其中 ...
这篇文章的主要贡献点在于： 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型； 2.可以利用bounding box来进行训练，并且得到了较好的结果，这样可以代替用pixel-leve ...
(Learning a Deep Convolutional Network for Image Super-Resolution, ECCV2014) 摘要：我们提出了一种单图像超分辨率的深度学习方法(SR)。我们的方法直接学习在低/高分辨率图像之间的端到端映射 ...
EnlightenGAN: Deep Light Enhancement without Paired Supervision论文解读 Motivation and introduction 最近在xiajiba看一些论文，看到了关于低光图像增强的无监督学习的一篇论文。如题。 作者题目 ...
Abstract 图像融合有两个关键的步骤，一个是特征提取一个是融合规则。通过学习一个神经网络模型可以生成联合生成特征提取和融合规则这两部分。网络训练数据是高分辨图像块和对应的模糊处理。 1.In ...
摘要 问题描述 何恺明将深度学习技术引入超分辨问题的开山之作SRCNN(2014年），主要存在以下几个问题： 1、感受野小，使得获取的语义信息少 ...
