Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "黃冠樺"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    基於雨嵌入一致性和注意力機制之單張影像去雨
    (2023) 黃冠樺; Huang, Kuan-Hua
    由於數位媒體的快速發展,影像處理的技術越來越受到人們的重視。不過由於影像資料之來源非常廣泛且品質難以控制,往往會有不同種因素的干擾,包括障礙物、光源、天氣等等,造成影像品質過低,可能會使其相關應用之效能大打折扣,甚至毫無用途。因此,為了解決這些難題,人們投入數位影像品質回復或強化的研究,在近些年來取得明顯的提高影像判讀性及可視性,還能幫助提高物件偵測的準確率。而在我們日常生活中,下雨是最常出現的情況,造成不管是拍攝影像或影片,都會因為雨水而造成影像不清晰。在目前現有的研究方法裡,有使用深度學習、多尺度、Transformer模型等影像去雨方法。其中在使用編碼器解碼器的去雨方式裡,通常是根據輸入的有雨影像來預測雨層。因此,編碼器解碼器的網路架構引起了廣泛的關注。但由於在編碼器階段需要提取影像裡有雨的特徵,而在提取的效果及精確度就很重要。為了解決這個問題,許多論文會加上各種模塊來提升提取的效果。為了解決上述問題,本篇論文提出一個編碼器解碼器網路架構, 並且加上注意力模塊,使其在編碼器階段可以提取更多更準確的有雨特徵,且在編碼器解碼器裡常用的跳躍連接也改成注意力機制的模塊,以讓編碼器提取的特徵可以加強傳遞,使得解碼器可以更為準確預測雨層。在實驗階段,我們使用了多個知名影像資料集,包括Rain100H、Rain100L以及Rain800來訓練及測試所提出的網路架構效果。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback