自监督图像增强网络:仅用微光图像训练
深度学习
最后更新 2020-06-04 11:56 阅读 6658
最后更新 2020-06-04 11:56
阅读 6658
深度学习
Self-supervised Image Enhancement Network: Training with Low Light Images Only
Maximum Entropy Based Retinex model
Architecture
Experiment
•1、dataset: 500个自然微光图像
•2、device: Nvidia GTX 2080Ti GPU and Inter Core i9-9900K CPU
•3、Evaluation Indexes: 灰度熵(GE)、颜色熵(CE,颜色熵是R、G、B通道的熵之和)、灰度平均照度(GMI)、灰度平均梯度(GMG)、LOE、NIQE、PSNR、SSIM
•4、在每一个实验中,唯一的区别是训练patch,它似乎对训练结果有影响。这些训练patch是随机选取和裁剪的
Result
Conclusion
•1、效果一般
•2、实验过程和数据增广可以参考
•3、最亮通道loss约束不了另外两个通道,不太科学
赞
讨论
500字
表情
删除确认
是否删除该条评论?
取消
删除