An表示每个像素位置的曲线参数。 2. 参数估计网络(DCE-Net) 我们利用一个简单的卷积网络估计特定于图像的参数图,进而结合亮度增强曲线迭代的对输入图像进行增强。DCE-Net网络主要由堆叠的卷积、激活函数组成,跳连接层用于将浅层特征复用,最后通过Tanh激活函数输出值域在[-1,1]间的参数图。DCE-Net的网络结构如图2所...
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...
该方法包括: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,在传统Zero‑DCE网络的结构之上,取消了Zero‑DCE网络中第七浅层特征层的8次迭代步骤,以卷积、归一化、激活的方式取而代之,避免了迭代冗余的问题,大大降低了计算量;且引入了残差网络作为残差模块,作用于第四浅...
在图像增强领域,成对数据的过分依赖可能导致模型过度拟合,影响其泛化能力.为了解决这一问题,本文提出了一种无监督学习方法,该方法受到Zero-DCE网络架构的启发,采用了... 何天歌 - 《建模与仿真》 被引量: 0发表: 2024年 低光照环境下基于无人机航拍视频的单目标跟踪算法研究 基于无人机航拍视频的单目标跟踪算法...
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...
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
进一步,使用MobileNet的深度可分离卷积替换Zero-DCE的标准卷积,提高网络的检测速度。最后,通过人脸关键点检测网络和分类网络,判断驾驶员的疲劳状态。实验表明,在夜间环境下,相比现有的疲劳驾驶检测算法,文中算法在人脸检测的准确率和眼睛状态的识别率上都有所提升,取得较令人满意的检测效果。 【总页数】11页(P893-903...
首先,基于Zero-DCE模型,使用U-Net改进用于曲线估计的主干网络DCE-Net,并且加入坐标注意力机制来提升对图像局部区域的暗光感知能力。其次,在曲线估计主干网络后加入NAF-Net噪声去除模块,有效抑制Zero-DCE在低光照增强后的噪声。此外,为缓解增强图像的失真与过曝现象,将空间一致性损失函数的4邻域计算方式扩展为8邻域计算...
1.本发明涉及低照度图像增强领域,特别是涉及一种基于改进的zero-dce网络的低照度图像增强方法。 背景技术: 2.在光线相对较弱的环境中拍摄的图像被认为是低照度图像,这些图像表现出低亮度、低对比度、窄灰度范围、颜色失真以及相当大的噪声等,由于缺乏关照,这些图像的像素值主要集中在较低的范围内,彩色图像各通道间...
1、为了解决上述问题,本技术的目的在于:结合传统的局部对比度增强算法的思路,与zero-dce网络结构的思想,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,通过反向传播,让模型通过训练自适应学习每个局部块的映射函数,解决传统算法效果欠佳的问题,得到在真实场景下视觉效果更好的图像增强算法。