Zero-DCE++具有将浅层特征复用的跳层连接由通道维度上的连接操作实现,具体实现方式为Mindspore的内置接口mindspore.ops.Concat实现,通道维度则是由axis=1参数限制。 图7 Zero-DCE++基本网络结构与resize和增强操作 图8 Zero-DCE++的forward过程 需要注意的是,Zero-DCE++的增强操作是在对曲线参数进行双线性插值上采样...
上述这些优点都得益于零参考学习框架、轻量级网络结构和有效的非参考损失函数。 方法 网络如上图所示,设计了一个深度曲线估计网络(DCE-Net),用于估计给定输入图像的一组最佳拟合光增强曲线(LE曲线),然后该框架通过迭代地应用这些曲线来映射输入的所有像素的RGB通道,从而获得最终的增强图像。 A. 光照增强曲线(LE-curve...
参数方面主要探讨Zero-DCE的深度宽度以及迭代的次数。如上图所示,L-F-N代表Zero-DCE有L层卷积,每层有F个feature map以及迭代次数为N。Impact of Training Data:使用不同数据集对Zero-DCE进行训练:1)原训练集中(2422)的900张low-light图像Zero-DCELow ;2)DARK FACE中9000张未标注的low-light图像Zero-DCELarge...
Zero-DCE论⽂解读 Zero-DCE github:paper:⼀、创新点 我们提出了第⼀个⽴于成对和不成对的训练数据的弱光增强⽹络，从⽽避免了过度拟合的风险。因此，我们的⽅法可以很好地推⼴到各种光照条件。设计了⼀个特定于图像的曲线，该曲线能够通过迭代应⽤⾃⾝来近似像素级和⾼阶曲线。这种特定于...
Guo等:搜索像素最大强度→估计粗糙照明图→通过先验结构细化。 Li等:新Retinex模型,考虑噪声。通过解决优化问题估算照明图。 与偶然改变图像直方图分布or依赖于可能不准确的物理模型的常规方法相反,ZeroDCE通过特定于图像的曲线映射产生了增强的结果,可以增强图像的光强度而不会产生不真实的伪像。
本发明提供一种基于Zero‑DCE网络结构改善为有监督用于图像增强的方法,所述方法构建一套有监督学习的卷积神经网络,使用对比度增强损失,改进损失函数对于有监督学习的适应,通过反向传播,让模型通过训练自适应学习映射函数。由于现有Zero‑DCE增强的图像视觉效果在真实场景下不够好,比如出现对比度下降,图像不清晰等,使用...
面向夜间疲劳驾驶检测的改进Zero-DCE低光增强算法 为了提高夜间疲劳驾驶检测的准确率,在现有低光增强算法Zero-DCE(Zero-Reference Deep Curve Estimation)的基础上,提出改进Zero-DCE的低光增强算法.首先,引入上下采样... 黄振宇陈宇韬林定慈黄捷 - 《模式识别与人工智能》 被引量: 0发表: 2022年 ...
专利权项:1.一种基于改进轻量级Zero-DCE网络的奶牛夜间图像增强检测方法,其特征在于,包括以下步骤:11奶牛白天夜间图像的获取及预处理:获取摄像头拍摄的自然状态下奶牛白天夜间图像并进行预处理;12奶牛夜间图像增强检测模型的构建:基于轻量级Zero-DCE网络进行改进,构建出奶牛夜间图像增强检测模型;13奶牛夜间图像增强检测模型...
一种基于Zero-DCE网络结构改善为有监督用于图像增强的方法专利信息由爱企查专利频道提供,一种基于Zero-DCE网络结构改善为有监督用于图像增强的方法说明:本发明提供一种基于Zero‑DCE网络结构改善为有监督用于图像增强的方法,所述方法构建一套有监督学习...专利查询请上
专利权项:1.一种基于改进的Zero-DCE网络的低照度图像增强方法,其特征在于,包括:获取待增强图像;将所述待增强图像输入至改进的Zero-DCE网络中,输出增强后的图像;其中,所述改进的Zero-DCE网络包括:9层浅层特征层;第一浅层特征层至第六浅层特征层依次连接;其中,第二浅层特征层至第四浅层特征层中每一层浅层特...